ABSTRAKSI: Dalam bidang kedokteran, darah manusia diklasifikasikan menjadi golongan darah A, B, AB, O dan Rhesus. Penggolongan ini berdasarkan jenis antigen yang terkandung pada membran sel darah manusia yang disebutjuga aglutinogen. Untuk mencegah terjadinya reaksi transfusi antara donor darah dan resipien pada proses transfusi darah maka dilakukan pemeriksaan golongan darah. Proses aglutinasi dapat diamati secara visual baik melalui mikroskop ataupun dapat dilihat secara visual langsung oleh para ahli bidangnya. Pada biodang kedokteran forensik dan penanganan basis data rumah sakit secara masal, diperlukan suatu pemeriksaan golongan darah yang akurat dan cepat.
Dalam tugas akhir ini dibuat suatu perangkat lunak yang dapat mengenali citra pola penggumpalan golongan darah dengan menggunakan Independent Component Analysis ( ICA ) dan Support Vector Machine ( SVM ). ICA membuat sinyal inputan menjadi independent sehingga setiap sinyal menjadi unik terhadap sinyal lainnya sehingga mudah untuk diklasifikasikan. Cara kerja SVM adalah dengan mencari bidang pemisah yang terbaik sehingga bisa mengurangi empirical risk dan mendapatkan generalisasi yang baik.
Dari hasil pengujian berdasarkan jumlah sampel darah yang diujikan, didapatkan akurasi pengenalan 100% dengan metode rata-rata kolom baik dengan SVM OAO ataupun OAA. Tetapi dengan metode garis tengah, didapatkan akurasi pengenalan 94,12% dengan SVM OAO dan 87,64% dengan SVM OAA. Didapatkan pula akurasi pengenalan 100% dengan tanpa menggunakan ICA sebagai metode ekstraksi ciri. Dengan akurasi yang sudah optimum, SVM dan ICA dapat digunakan untuk mengidentifikasikan golongan darah.
Kata Kunci : golongan darah, ICA, SVM.ABSTRACT: In medical field, human blood is classified into blood type A, B, AB, O and Rhesus. This classification based on antigen type implied in Human’s blood cell membrane so called agglutinogen. To prevent the happening of transfusion reaction between donor bloods and resipien at blood transfusion, hence we should do blood type inspection. Agglutination process can be observed visually either through microscope or can be observed by medical expert. On medical of forensic and to handle hospital database, required an inspection of accurate blood type and quickly.
On this project made a software which can recognize clotting pattern image of blood type by using Independent Component Analysis (ICA) and Support Vector Machine (SVM). ICA makes an input signal independent toward other input signals so can make classification process easier. How SVM works is with looking for best hyperline so can reduce empirical risk and get good generalization.
From the simulation, based on the total blood sample tested, obtained the 100% identification accuracy with using column mean method, in SVM OAO and SVM OAA. But with using median method, obtained 94,12% identification accuracy for SVM OAO and 87,64% identification accuracy for SVM OAA. It is also obtained 100% identification accuracy without using ICA as feature extraction method. With optimum accuracy obtained, SVM and ICA can be used for identificating blood type
Keyword: blood type, ICA, SVM