AI dan Kamera Pengenal Golongan Darah, Solusi Murah Deteksi Medis Masa Depan

Gambar Ilustrasi AI

FORMOSA NEWS - Sulawesi Barat - Mengidentifikasi golongan darah kini tidak lagi harus bergantung sepenuhnya pada pengamatan manual oleh tenaga medis di laboratorium. Penelitian yang dilakukan oleh Fahrizal Akbar Herbhakti bersama Muzaki, Indra, dan Irfan AP dariUniversitas Sulawesi Barat, bekerja sama dengan Aeri Rachmad dari Universitas Trunojoyo,  dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Computer and Information Science (FJCIS) edisi Vol. 5 No. 1 Tahun 2026 menyoroti bahwa teknologi ini dirancang untuk meminimalkan kesalahan manusia (human error) serta mempercepat proses diagnosis medis dengan biaya yang jauh lebih terjangkau.

Mengatasi Kendala Biaya Fasilitas Medis
Selama ini, metode deteksi golongan darah otomatis modern banyak menggunakan mikroskop canggih dengan spesifikasi perangkat yang rumit. Hal tersebut membuat biaya implementasinya sangat mahal dan sulit dijangkau oleh fasilitas kesehatan di daerah terpencil atau laboratorium dengan dana terbatas. Melihat kesenjangan tersebut, Muzaki dan tim merancang sebuah alternatif sistem pengenalan pola yang ringkas. Fokus utama mereka adalah menciptakan perangkat lunak cerdas yang adaptif, ringan dari segi komputasi, namun tetap mempertahankan tingkat keakuratan yang baik.

Metodologi Sederhana Berbasis Pola Gumpalan Darah
Sistem ini bekerja dengan menganalisis gambar sampel darah yang telah ditetesi reagen antigen (anti-A, anti-B, dan anti-AB). Secara medis, reaksi kimia antara darah dan reagen tersebut akan menghasilkan pola penggumpalan (clotting patterns) tertentu yang menjadi penentu golongan darah seseorang. Proses identifikasi dalam sistem ini dibagi menjadi empat tahapan sederhana:

• Perekaman Gambar: Sampel darah di slide laboratorium direkam menggunakan kamera video (handycam) standar, lalu dikonversi menjadi data digital beresolusi $512\times256$ piksel.
  
• Penyederhanaan Gambar (Preprocessing): Menggunakan metode Prewitt Operator, sistem mendeteksi perubahan intensitas warna untuk mempertegas garis tepi gumpalan darah dan menghilangkan gangguan (noise) yang tidak diperlukan.
  
• Ekstraksi Ciri: Gambar yang sudah bersih kemudian diubah menjadi kode matriks biner berukuran $9\times10$ piksel yang berisi angka 0 (tidak menggumpal) dan 1 (menggumpal).
  
• Klasifikasi Jaringan Syaraf Tiruan (JST): Kode angka tersebut dimasukkan ke dalam algoritma Backpropagation. Algoritma ini meniru cara kerja otak manusia untuk mempelajari pola gumpalan dan menentukan apakah sampel tersebut termasuk golongan darah A, B, AB, atau O.
  

Temuan Utama: Akurasi Mencapai 80 Persen
Berdasarkan pengujian langsung menggunakan perangkat kamera, sistem AI buatan peneliti Indonesia ini menunjukkan performa yang menjanjikan. Dari total data sampel yang diuji, sistem berhasil mengenali 16 data secara tepat dan hanya mengalami kekeliruan pada 4 data. Hasil ini mencatatkan tingkat akurasi sistem mencapai 80%. Penurunan akurasi pada beberapa sampel diketahui dipengaruhi oleh faktor eksternal, seperti intensitas pencahayaan ruangan, sudut pengambilan gambar oleh kamera, dan kualitas kartu konverter video (video blaster) yang digunakan. Grafis pembelajaran sistem menunjukkan bahwa semakin banyak iterasi pelatihan dilakukan, tingkat kesalahan (error) sistem terus menurun drastis.

Dampak dan Manfaat Terhadap Kebijakan Publik
Keberhasilan penelitian ini memberikan kontribusi besar bagi dunia kesehatan publik, khususnya di wilayah dengan fasilitas laboratorium digital yang terbatas. Dengan memanfaatkan kamera biasa dan komputasi ringan, puskesmas di daerah pedalaman kelak dapat melakukan tes golongan darah mandiri secara otomatis tanpa harus membeli mesin medis ratusan juta rupiah. Para peneliti merekomendasikan pengembangan lanjutan menggunakan teknologi Deep Learning seperti Convolutional Neural Network (CNN) serta integrasi dengan perangkat berbasis seluler (smartphone) atau Internet of Things (IoT) agar proses identifikasi bisa berjalan secara real-time dan lebih akurat di masa depan.

Profil Penulis
Muzaki, S.Kom., M.T. – Dosen dan peneliti di Universitas Sulawesi Barat. Bidang keahlian: Kecerdasan Buatan, Pengolahan Citra Digital, dan Jaringan Syaraf Tiruan.
Aeri Rachmad, S.T., M.T. – Peneliti dan akademisi dari Universitas Trunojoyo. Bidang keahlian: Rekayasa Perangkat Lunak dan Visi Komputer.
Indra – Peneliti bidang ilmu komputer dari Universitas Sulawesi Barat.
Irfan AP – Peneliti bidang teknologi informasi dari Universitas Sulawesi Barat.

Sumber Penelitian
Muzaki, Aeri Rachmad, Indra, Irfan AP. Blood Type Identification System in Humans Based on Digital Image Processing. Formosa Journal of Computer and Information Science (FJCIS)
DOI: https://doi.org/10.55927/fjcis.v5i1.16641
URL: https://journal.formosapublisher.org/index.php/fjcis