SARI, RIKA YULIA (2026) DETEKSI DINI ANEMIA BERDASARKAN CITRA MATA KONJUNGTIVA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). S1 thesis, Universitas Malikussaleh.

	Text COVER RIKA.pdf Download (216kB)
	Text ABSTRAK RIKA.pdf Download (256kB)
	Text BAB 1 RIKA.pdf Download (322kB)
	Text DAPUS RIKA.pdf Download (232kB)
	Text bab1-5.pdf Restricted to Registered users only Download (7MB)

Abstract

Anemia merupakan masalah kesehatan global yang banyak dialami remaja putri akibat kadar hemoglobin di bawah 12 g/dL, sementara metode skrining konvensional melalui pemeriksaan darah bersifat invasif, memakan waktu, serta membutuhkan biaya. Penelitian ini bertujuan merancang sistem deteksi dini anemia dan non-anemia secara non-invasif berdasarkan citra mata konjungtiva menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan dalam bentuk website real-time. Dataset penelitian terdiri atas 374 citra konjungtiva mata, mencakup 180 citra anemia dan 194 citra non-anemia, bersumber dari data primer hasil pengambilan langsung menggunakan kamera smartphone serta data sekunder dari platform Kaggle, yang kemudian dibagi dengan rasio 80:10:10 menjadi data latih, validasi, dan uji. Tahapan preprocessing meliputi resize citra menjadi 150×150 piksel, augmentasi data (flip, rotasi, zoom, translasi, dan brightness), serta normalisasi piksel. Model CNN dirancang dengan tiga lapisan konvolusi (32, 64, dan 128 filter) yang dilengkapi max pooling, dropout, dan lapisan fully connected dengan fungsi aktivasi sigmoid pada output untuk klasifikasi biner, dilatih menggunakan optimizer Adam dan fungsi loss binary crossentropy hingga epoch ke-19. Hasil pengujian menunjukkan model mampu mengklasifikasikan citra konjungtiva dengan akurasi sebesar 83,78%, precision 0,85, recall 0,84, dan F1- score 0,84. Model tersebut selanjutnya diintegrasikan ke dalam REST API berbasis Flask dan diimplementasikan pada sistem website real-time yang memanfaatkan MediaPipe Face Landmarker untuk deteksi Region of Interest (ROI) konjungtiva secara otomatis melalui kamera maupun unggahan citra. Sistem yang dikembangkan terbukti mampu melakukan deteksi anemia secara cepat, praktis, dan mudah diakses, sehingga berpotensi dimanfaatkan sebagai media skrining awal anemia bagi remaja putri di lingkungan sekolah maupun fasilitas kesehatan tingkat dasar.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	RIKA YULIA SARI
Date Deposited:	01 Sep 2026 04:48
Last Modified:	01 Sep 2026 04:48
URI:	https://rama.unimal.ac.id/id/eprint/19538

Actions (login required)

View Item