Deteksi Anemia Sel Darah Merah Menggunakan Klasifikasi K-Nearest Neighbors dan Random Forest
Keywords:
image processingAbstract
Anemia merupakan salah satu gangguan hematologi yang ditandai oleh penurunan jumlah sel darah merah atau kadar hemoglobin yang dapat menyebabkan gangguan distribusi oksigen ke seluruh tubuh. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis guna mendeteksi anemia berdasarkan morfologi sel darah merah menggunakan algoritma K-Nearest Neighbors (KNN) dan Random Forest. Dataset yang digunakan adalah citra mikroskopis sel darah merah dengan berbagai kelainan, termasuk mikrositosis, poikilositosis, target cells, ovalositosis, dan anisocytosis, serta sel normal sebagai pembanding. Ekstraksi fitur meliputi luas, eksentrisitas, aspek rasio, kekompakan, dan kebulatan. Data yang telah diekstraksi dinormalisasi dan dibagi menjadi data latih serta data uji. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, sensitivitas, dan spesifisitas. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa lebih baik dibandingkan KNN dengan akurasi rata-rata sebesar 99% dibandingkan 75.7% pada KNN. Penelitian ini menyimpulkan bahwa kombinasi analisis morfologi sel darah merah dan algoritma machine learning dapat menjadi alat yang efektif untuk mendeteksi anemia secara otomatis.
References
Bell, A., Sallah, S. 2005. The Morphology of Human Blood Cells – Seventh Edition. Memphis:
Division of Hematology, University of Tennessee Health Science Center.
K. Manning, X. Zhai, and W. Yu, “Image analysis and machine learning-based malaria
assessment system,” Digit. Commun. Networks, vol. 8, no. 2, pp. 132–142, 2022.
N. Lusiyana dan A. Ahdika, “Evaluating recurrent episodes of malaria incidence in Timika,
Indonesia, through a Markovian multiple-state model,” Infect. Dis. Model., vol. 7, no. 3, pp.
261–276, 2022.
R. J. Longley et al., “Plasmodium vivax malaria serological exposure markers: Assessing the
degree and implications of cross-reactivity with P. knowlesi,” Cell Reports Med., vol. 3, no.
6, p. 100662, 2022.
Rudrajit, Paul, Koelina, S. Suvabrata D., Narayan C.H., Raja, B. 2013. E Beta Thalassemia
ComplicatedBy Steroid Responsive Auto Immune Hemolytic Anemia Due To Systemic
Lupus Erythematosus. The West Bengal University of Health Sciences.
Setiawan, A., Suryani, E., Wiharto. 2013. Segmentasi Citra Sel Darah Merah Berdasarkan
Morfologi Sel Untuk Mendeteksi Anemia Defisiensi Besi. Penelitian Tugas Akhir 2013.
Singh, U., Singh, N. 2014. Shape Analysis of Erythrocytes using Mean Shift Segmentation.
International Journal Technology (IJETT). Vol 12(1): 45-49.
Taherisadr, Mojtaba, Mona Nasirzonouzi, Behzad Baradaran, Alireza Mehdizade. 2013. New
Approach to Red Blood Cell Classification Using Morphological Image Processing. Reseach
Center of Biomedical Physics and Engineering, Shiraz University of Medical Sciences,
Shiraz, IR Iran
Y. M. Kassim et al., “Clustering-Based Dual Deep Learning Architecture for Detecting Red
Blood Cells in Malaria Diagnostic Smears,” IEEE J. Biomed. Heal. Informatics, vol. 25, no.
5, pp. 1735–1746, 2021.
Y. N. Fuadah, I. D. Ubaidullah, N. Ibrahim, F. F. Taliningsing, N. K. Sy, dan M. A. Pramuditho,
“Optimasi Convolutional Neural Network dan K-Fold Cross Validation pada Sistem
Klasifikasi Glaukoma,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron.,
vol. 10, no. 3, p. 728, 2022.
