SISTEM KLASIFIKASI KEABNORMALAN SEL DARAH MERAH DENGAN ALGORITMA HAAR WAVELET DAN ZERNIKE MOMENT INVARIANT BERBASIS NEURAL NETWORK

Thalasemia merupakan suatu kelainan darah yang bersifat genetik, disebabkan oleh kekurangan atau penurunan produksi/pembentukan hemoglobin. Secara molekuler, Thalassemia dapat dibedakan menjadi Thalassemia alfa (?) dan beta (?), sementara secara klinis, terdapat dua bentuk utama yaitu Thalassemia minor dan Thalassemia mayor. Saat ini metode diagnosa Thalassemia umumnya menggunakan deteksi visual dari mikroskop, sehingga membutuhkan waktu yang lama dan tingkat akurasi yang tergolong rendah. Oleh karena itu pada penelitian ini di rancang sebuah sistem untuk membantu tenaga medis dalam mendeteksi 3 kelas penyakit, yaitu Thalassemia, IDA, dan Normal dengan harapan dapat menghemat waktu serta biaya dalam mendiagnosa. Penelitian ini menggunakan metode Haar Wavelet dan Zernike Moment Invariant untuk mengekstraksi fitur, sedangkan untuk klasifiksi menggunakan metode Multi layer Perceptron dengan model Levenberg Marquardt, Conjugate Gradient with Fletcher-Reves (CGF) dan BFGS Quasi Newton (BFG). Hasil dari pengujian ini adalah didapatkan hasil akurasi terbaik pada fitur Haar Wavelet dengan model Levenberg�Marquardt dengan akurasi sebesar 100% sedangkan hasil terbaik pada fitur Zernike model Levenberg Marquardt dengan akurasi rata-rata sebesar 57%.