KLASIFIKASI THALASSEMIA DENGAN EKSTRAKSI FITURHISTOGRAM OF ORIENTED GRADIENTS (HOG) BERBASIS MACHINELEARNING

Pada perkembangan teknologi saat ini, sel darah manusia dapat dilihatmelalui mikroskop Cahaya. Dengan mikroskop Cahaya tersebut, citra digital darisel darah merah terlihat dengan jelas. Keabnormalan yang terlihat dari citra seldarah tersebut, dapat digunakan untuk mendeteksi berbagai penyakit salah satunyapenyakit thalassemia. Thalasemia merupakan penyakit genetik yang di deritaseumur hidup dan menimbulkan masalah bagi penderitanya. Thalassemia dapatmenyebabkan masalah fisiologis, emosional, sosial, keuangan, dan tingkah lakuyang berdampak pada pasien dan keluarga mereka, dampak ini lebih parah padaanak usia sekolah dan remaja. Prevalensi thalassemia tinggi ditemukan di Afrika,Mediterania, Asia Selatan, dan Asia Tenggara. Penelitian ini bertujuan untukmerancang system klasifikasi citra sel darah merah menjadi 3 kelas menggunakanmetode Multi-Layer Perceptron (MLP). Penelitian ini mengguanakan metodeHistogram of Oriented Gradients (HOG), dengan klasifikasi Multi-LayerPerceptron dengan tiga model, yaitu One Step Secant (OSS), Scaled ConjugateGradients (SCG), dan Conjugate Gradients Backpropagation (CGB). Hasilpenelitian mmenunjukkan bahwa metode HOG mendapatkan hasil akurasi trainingterbaik mencapai 97.41%, pada tahap validation, akurasi mencapai 89.9%. Sertatesting mendapatkan hasil akurasi terbaik dengan akurasi mencapai 87.89%. Hasilini menunjukkan bahwa metode HOG dengan klasifikasi MLP dapat digunakanuntuk mengembangkan sistem klasifikasi citra sel darah merah yang cepat danakurat.