Hybrid Clustering Klasifikasi Menggunakan Convolutional Neural Network (CNN) pada Penderita Anemia Melalui Gambar Ujung Jari Telapak Tangan

Abstract

Anemia bisa diidentifikasi dengan lebih akurat melalui pengecekan kadar hemoglobin pada pasien (metode invasive). Metode invasive ini membutuhkan darah sebagai sampelnya. Oleh sebab itu dikembangkan suatu metode non-invasive berbasis machine learning. Machine learning memiliki algoritma yang sangat potensial untuk digunakan dan dikembangkan dalam bidang kesehatan. Pada penelitian ini akan membahas tentang clustering klasifikasi menggunakan Convolutional Neural Network untuk mengklasifiasikan penderita anemia dan non-anemia. Data yang digunakan berupa gambar ujung jari telapak tangan. Data akan cluster menjadi 5 cluster via random state untuk meningkatkan akurasi. Penggunaan metode hybrid clustering klasifikasi menggunakan Convolutional Neural Networks (CNN) memiliki kemampuan untuk memproses klasifikasi dengan baik dan efektif digunakan untuk data gambar ujung jari telapak tangan untuk melakukan klasifikasi dan prediksi terhadap pasien yang menderita anemia maupun non-anemia. Hasil klasifikasi untuk Cluster 1 diperoleh tingkat akurasi sebesar 77,49%. Cluster 2 diperoleh tingkat akurasi sebesar 78,95%. Cluster 3 diperoleh tingkat akurasi sebesar 79,17%. Cluster 4 diperoleh tingkat akurasi sebesar 75%. Sedangkan untuk Cluster 5 hasil klasifikasi yang didapatkan mempunyai akurasi 79,17%.