Informasi Lainnya
Abstraksi
Anemia merupakan masalah kesehatan dengan prevalensi 16,2% di Indonesia yang sering tidak terdeteksi dini akibat diagnosis konvensional yang invasif. Penelitian ini bertujuan mengembangkan metode deteksi anemia non-invasif melalui analisis warna kuku menggunakan <em>Hybrid Color Thresholding</em> pada ruang warna HSV dan YCbCr serta <em>Artificial Neural Network</em> (ANN). Metode mencakup akuisisi data primer dan sekunder, penyeimbangan data dengan strategi <em>multi-shot</em> dan augmentasi fisik, segmentasi area kuku, ekstraksi fitur statistik warna, dan klasifikasi. Hasil analisis menunjukkan adanya perbedaan karakteristik warna yang signifikan (<em>domain gap</em>) antara populasi lokal dan global. Pengujian membuktikan bahwa model ANN dengan data lokal teraugmentasi mampu mencapai performa optimal dengan akurasi 82,75%, sensitivitas 84,26%, dan skor AUC 0.92. Kinerja ini terbukti kompetitif terhadap model pembanding <em>Convolutional Neural Network</em> (CNN) dengan keunggulan pada efisiensi. Disimpulkan bahwa pendekatan ini bisa diterapkan sebagai solusi skrining awal anemia yang akurat, cepat, dan ringan untuk diimplementasikan pada perangkat dengan sumber daya terbatas. <strong>Kata Kunci:</strong> anemia, kuku, hybrid color thresholding, ANN, digital image processing<br />
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
