SISTEM DETEKSI DINI ANEMIA NON-INVASIF MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK PADA WANITA USIA SUBUR

Anemia merupakan kondisi kesehatan yang umum terjadi dan secara tidak proporsional memengaruhi perempuan karena tuntutan fisiologis termasuk menstruasi dan persalinan, yang memerlukan kebutuhan zat besi lebih besar dibandingkan laki-laki. Deteksi dini anemia sangat penting untuk intervensi yang tepat waktu, dan pucat konjungtiva berfungsi sebagai indikator klinis yang dapat diandalkan karena sifat membran konjungtiva yang tipis dan tembus pandang sehingga memungkinkan warna pembuluh darah di bawahnya dapat diamati. Penelitian ini bertujuan untuk mengembangkan sistem deteksi anemia non-invasif dengan menganalisis kepucatan konjungtiva melalui pengolahan citra berbasis pembelajaran mendalam dan pengukuran parameter fisiologis, yang menyediakan metode skrining alternatif tanpa pengambilan sampel darah. Sistem ini mengintegrasikan Raspberry Pi 5, Pi Camera v3, dan sensor MAX30100 untuk pengukuran SpO2 dan BPM. Alur deteksi menggunakan LinkNet dengan MobileNetV2 untuk segmentasi dan pengklasifikasi MobileNetV2 untuk klasifikasi anemia. Sensor dikalibrasi menggunakan metode regresi linear yang menghasilkan formula yang optimal. Aplikasi web berbasis Laravel dikembangkan untuk manajemen data pasien. Sensor yang telah dikalibrasi mencapai akurasi SpO2 sebesar 99,38% dengan rata-rata kesalahan 0,62%, dan akurasi BPM sebesar 96,90% dengan rata-rata kesalahan 3,10%. Sistem berhasil mendeteksi kondisi anemia dan normal pada parameter ideal berupa jarak kamera-ke-subjek 13-16 cm dan pencahayaan ambient 50-100 lux, memenuhi rentang pengukuran yang ditentukan yaitu SpO2 95-100% dan 80-130 bpm. Sistem yang dikembangkan memenuhi persyaratan yang ditentukan dan menunjukkan potensi sebagai alat skrining awal.