Support Vector Machine Untuk Deteksi Anemia Secara Non-invasif Melalui Konjungtiva Mata Berbasis Pengolahan Citra Digital

Abstract

Abstrak Anemia dapat dideteksi melalui darah dengan menggunakan alat Hemoglobin meter (Hb meter) yang bersifat in Anemia dapat dideteksi melalui darah menggunakan alat Hemoglobin meter (Hb meter) yang bersifat invasif karena sampel darah didapatkan melalui penusukan menggunakan jarum. Selain itu, anemia dapat dideteksi menggunakan metode alternatif yang bersifat non-invasif dengan mengamati kondisi klinis yang dapat dilihat berdasarkan kepucatan pada konjungtiva mata, lidah, telapak tangan, dan kuku. Tugas akhir ini mendeteksi anemia berdasarkan kepucatan pada konjungtiva mata sebagai metode non-invasif melalui citra digital menggunakan Support Vector Machine (SVM) dan menggunakan citra Red, Green, dan Blue (RGB), citra Hue, Saturation, dan Value (HSV), dan citra Grayscale dengan format *.png, serta mengambil nilai parameter mean, variance, skewness, kurtosis, dan entropy sebagai ekstraksi ciri. Klasifikasi citra yang digunakan adalah metode Support Vector Machine (SVM) menggunakan aplikasi MATLAB. Dalam upaya mencapai akurasi terbaik, variabel pengujian yang diteliti menggunakan variabel kombinasi antara parameter dan kernel SVM (kernel RBF, linear, dan polynomial). Secara keseluruhan dengan menggunakan metode klasifikasi SVM pada deteksi anemia, berhasil diperoleh akurasi tertinggi sebesar 72.9167% menggunakan kernel RBF dengan waktu komputasi 0.762 detik dan jumlah data latih 35 buah dan data uji 48 buah. Kata Kunci : HSV, Konjungtiva mata, RGB, Support Vector Machine Abstract Anemia can be detected through blood by using a Hemoglobin meter (Hb meter) which is invasive because the blood sample is obtained by needle pricked. It also can be detected by an alternative non-invasive method that observe the clinical conditions, can be seen from the paleness of eye conjunctiva, tongue, palms, and nails. This final project use the pallor of the eye conjunctiva as a non-invasive method through digital images using Support Vector Machine (SVM) to detect anemia, and used Red, Green, and Blue (RGB) layers, Hue, Saturation, and Value (HSV) layers, and Grayscale layers with *.png format are used in this project. Mean, variance, skewness, kurtosis, and entropy parameters are used as an extraction features. For image classification, this final project use Support Vector Machine (SVM) method with MATLAB application. In order to achieve the best accuracy, the variables are used in this project are the combination of parameter and SVM kernels (RBF, linear, and polynomial kernels). Overall, the highest accuracy was 72.9167% using the RBF kernel with a computation time 0.762 seconds and using 35 training data and 48 test data. Keywords : Eye Conjunctiva, HSV, RGB, Support Vector Machine