SISTEM DETEKSI PENYAKIT THALASSEMIA MENGGUNAKAN ALGORITMA GRAY LEVEL CO-OCCURRENCE MATRIX BERBASIS MACHINE LEARNING

Thalassemia merupakan penyakit keturunan yang menimbulkan penderita mengalami kelainan darah dan gejala seperti kelelahan, lemas, dan sesak napas. Thalassemia dibagi menjadi tiga jenis, yaitu thalassemia mayor, thalassemiaintermediet, dan thalassemia minor. World Heatlh Organization (WHO) juga menyatakan bahwa insiden pembawa sifat thalassemia di Indonesia berkisar 6-10%, artinya bahwa dari setiap 100 orang penduduk terdapat 6-10 orang yang merupakan pembawa sifat thalassemia. Penderita thalassemia harus melalui serangkaian bentuk perawatan medis. Di dunia medis, pemeriksaan visual biasanya digunakan untuk mendeteksi penyakit thalassemia. Namun, metode diagnosis manual menimbulkan beberapa masalah, seperti lama proses diagnosis dan kurangnya akurasi karena faktor manusia. Oleh karena itu, dengan adanya bantuan dari teknologi modern melalui penelitian ini bertujuan agar dapat membantu tenaga medis dalam mendiagnosis suatu penyakit dengan efisien dan hasil yang akurat. Metode penelitian ini menggunakan algoritma Gray Level Co-Occurrence Matrixsebagai algoritma ekstraksi dengan kombinasi Haralick Feature, kemudian Multi-Layer Perceptron berbasis Machine Learning sebagai pengklasifikasi. Hasil akurasi training, validation, dan testing yang terbaik pada sistem klasifikasi yang menggunakan model Levenberg-Marquardt diperoleh secara berurutan sebesar 100%, 100%, dan 99.85%.