Peningkatan Performa Klasifikasi Sel Darah Merah pada Pasien Talasemia Minor
Husnul Latifah, Prof. Drs. Agus Harjoko, M.Sc, Ph.D. ;Dr. Dyah Aruming Tyas, S.Si
2024 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI
Talasemia
merupakan kelainan darah turunan yang menyebabkan rusaknya rantai hemoglobin
pada eritrosit penderita. Pada kasus talasemia minor, pasien hanya menjadi
pembawa gen talasemia dan tidak bergejala. Hal ini menyebabkan sedikitnya penderita
talasemia minor yang terdeteksi. Saat ini, ahli hematologi harus menghitung eritrosit
abnormal secara manual berdasarkan
bentuk, warna, dan tekstrur sel. Untuk itu, banyak penelitian yang
memanfaatkan citra eritrosit untuk melakukan mengklasifikasi keabnormalan pada
citra eritrosit secara otomatis. Namun, jumlah data yang terbatas menyebabkan
salah satu jenis keabnormalan yaitu sel pensil belum terklasifikasi pada
penelitian sebelumnya. Tujuan dari penelitian ini
adalah mengatasi kendala tersebut dengan melakukan klasifikasi secara
bertingkat dimana pada tahapan klasifikasi pertama sel pensil dikelompokkan
kepada sel yang mirip, yaitu sel eliptosis terlebih dahulu. Penelitian ini
menggunakan klasifier Convolutional Neural Network (CNN) pada proses
klasifikasi pertama dan Support Vector Machine (SVM) pada proses
klasifikasi kedua. Hasil eksperimen menujukkan klasifier CNN dengan arsitektur MiniVGGNet
dan berhasil mengkasifikasi citra eritrosit ke dalam delapan kelas dengan nilai
akurasi 96,05%, presisi
96,00%, sensitivitas 96,05%, dan F1 score 95,95%. Klasifier SVM
Polinomial dengan kombinasi
fitur geometris yang terdiri dari eccentricity, compactness, circularity, dan
rasio sel berhasil mengklasifikasi sel pensil dengan nilai presisi 100,00%,
sensitivitas 100,00%, dan F1 score 100,00%.
Kata Kunci : Klasifikasi, Multilevel, Talasemia, Eritrosit, CNN, SVM, MiniVGGNet