Implementasi Pengolahan Citra Untuk Mendeteksi Anemia Sel Sabit Dengan Metode Convolutional Neural Network

Abstract

Anemia is a condition when the number of red blood cells is lower than normal. Anemia has several types, one of that is sickle cell anemia. Sickle cell anemia is a type of anemia due to genetic disorders where the form of red blood cells is abnormal or sickle shaped so that the blood vessels lose their healthy blood supply and oxygen to be spread throughout the body. Identifying red blood cells manually can allow errors to occur due to inaccurate examination results and also time-consuming. To overcome this problem, we need a method to detect sickle cell anemia automatically through microscopic images of red blood cells. In this study, the method used is the Convolutional Neural Network to identify sickle cell anemia through red blood cell images. The steps taken before identification are preprocessing (scaling, grayscale, contrast scretching and thresholding), and then postprocessing (edge detection) the methode used is canny. The results of this study indicate that the proposed method is capable of identifying sickle cell anemia using microscopic images of red blood cells with an accuracy of 92%.

Anemia adalah kondisi saat jumlah sel darah merah lebih rendah dari jumlah normal. Anemia memiliki beberapa jenis, salah satunya yaitu anemia sel sabit. Anemia sel sabit atau yang juga dikenal dengan Sickle Cell Anemia merupakan salah satu jenis anemia akibat kelainan genetik dimana bentuk sel darah merah tidak normal atau berbentuk sabit sehingga mengakibtakan pembuluh darah kehilangan pasokan darah sehat dan oksigen untuk disebarkan keseluruh tubuh. Dalam mengidentifikasi sel darah merah secara manual dapat memungkinkan terjadinya kesalahan karena hasil pemeriksaan yang kurang akurat dan juga menyita banyak waktu. Untuk mengatasi masalah tersebut, maka dibutuhkan suatu metode untuk mendeteksi anemia sel sabit secara otomatis melalui citra mikroskopis sel darah merah. Pada penelitian ini, metode yang digunakan adalah Convolutional Neural Network untuk identifikasi penyakit anemia sel sabit melalui citra sel darah merah. Tahapan yang dilakukan sebelum identifikasi adalaha preprocessing (scaling, grayscale, contrast scretching dan thresholding), dan selanjutnya postpreprocessing (edge detection) dengan menggunakan metode canny. Hasil penelitian ini menunjukkan bahwa metode yang diajukan mampu melakukan identifikasi penyakit anemia sel sabit menggunakan citra mikroskopis sel darah merah dengan akurasi sebesar 92%.