Evaluasi Performa Algoritma K-Nearest Neighbor untuk Klasifikasi Golongan Darah ABO dan Faktor Rhesus
DOI:
https://doi.org/10.29407/877edz87Abstract
Klasifikasi golongan darah secara cepat dan akurat sangat krusial dalam prosedur medis seperti transfusi darah. Penelitian ini mengevaluasi performa algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan citra golongan darah ABO dan faktor Rhesus menggunakan representasi fitur piksel langsung (flattening). Citra masukan melalui tahapan pra-pemrosesan meliputi cropping, background removal, konversi grayscale, histogram equalization, dan Gaussian blur, sebelum dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian hyperparameter tuning menunjukkan bahwa konfigurasi parameter terbaik dicapai pada nilai K=3 dengan Akurasi Global sebesar 43% (42,86%). Rendahnya performa ini disebabkan oleh hilangnya informasi hubungan spasial tekstur citra akibat metode flattening piksel langsung (dimensi 4096), yang memicu penumpukan (overlapping) nilai intensitas piksel antara sampel positif aglutinasi dan negatif di ruang multidimensi. Selain itu, keterbatasan sampel data memicu bias yang kuat ke arah kelas mayoritas (kelas O_Positive mencapai Recall 100%), namun gagal total (performa 0.00%) pada kelas minoritas langka seperti AB_Negative, AB_Positive, dan O_Negative. Karena tingkat sensitivitas yang rendah ini sangat berisiko dalam prosedur medis nyata, penelitian selanjutnya direkomendasikan untuk mengganti representasi piksel langsung dengan metode ekstraksi fitur tekstur yang spesifik seperti GLCM atau LBP, serta menerapkan teknik penyeimbangan data latih seperti augmentasi citra atau SMOTE.
Keywords:
Klasifikasi Golongan Darah, K-Nearest Neighbor, Flattening, Imbalanced Dataset.##plugins.themes.default.displayStats.downloads##
References
[1] R. Ruliati, S. Shofiyah, and P. Aisyah, ―Pemeriksaan Golongan Darah Sistem Abo Pada
Anak Pra Sekolah Di Tk Bina Insani Candimulyo Jombang,‖ Jurnal Bhakti Civitas
Akademika, vol. 8, no. 1, pp. 13–19, 2025, doi: 10.56586/jbca.v8i1.421.
[2] R. Ariani, A. KY Astuti, R. Puspita, H. Pratomo Setyo, and D. D Nanar,
―PENINGKATAN PEMAHAMAN IMUNOHEMATOLOGI BAGI PETUGAS BANK
DARAH RUMAH SAKIT MELALUI PELATIHAN PELAYANAN DARAH,‖ Jurnal
Pengabdian Multidisiplin dan Pemberdayaan Masyarakat, vol. 2, no. 1, pp. 32–37, Jun.
2025, doi: 10.59485/abdikestrada.v2i1.106.
[3] R. Kusumawati, ―KECERDASAN BUATAN MANUSIA (ARTIFICIAL
INTELLIGENCE); TEKNOLOGI IMPIAN MASA DEPAN,‖ ULUL ALBAB Jurnal Studi
Islam, vol. 9, no. 2, pp. 257–274, Dec. 2018, doi: 10.18860/ua.v9i2.6218.
[4] W. R. Hasibuan, I. P. Sari, and M. Basri, ―Klasifikasi Kerusakan (Cacat) pada Biji Kopi
Arabika Menggunakan Algoritma KNN (K-Nearest Neighbor),‖ Blend Sains Jurnal
Teknik, vol. 3, no. 4, pp. 452–459, May 2025, doi: 10.56211/blendsains.v3i4.781.
[5] D. Apriadi and M. I. Sarif, ―Optimasi Algoritma Pengolahan Citra Digital Menggunakan
Metode Pembelajaran Mesin untuk Deteksi Penyakit,‖ Journal of Data Science and
Informatics Engineering, vol. 1, no. 1, pp. 31–37, Dec. 2025, doi: 10.64803/jodsie.v1i1.16.
[6] N. Musfira, F. Septina, and T. Agnizarridlo, ―Peran Pendidikan Klinik terhadap
Pencapaian Kompetensi Radiologi Kedokteran Gigi pada Mahasiswa Profesi: Sebuah
Tinjauan Literatur,‖ E-Prodenta Journal of Dentistry, vol. 6, no. 1, pp. 596–610, Jun.
2022, doi: 10.21776/ub.eprodenta.2022.006.01.8.
[7] D. Handoko and D. Meilantika, ―Perbandingan Estimator Kovarians Sampel, Shrinkage,
dan Robust dengan Data Sintetis Gaussian,‖ Journal of Technology and Data Science, vol.
3, no. 2, pp. 258–269, Dec. 2025, doi: 10.59025/e4a8e8de.
[8] N. A. Jafar, ―Smart Classification: Perbandingan Algoritma Gaussian Naive Bayes dan KNearest Neighbor untuk Prediksi Kinerja Akademik Mahasiswa,‖ Telekontran : Jurnal
Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan, vol. 14, no. 1, pp. 1–11, Apr.
2026, doi: 10.34010/telekontran.v14i1.18682.
[9] D. Wicaksono, D. P. Almeyda, I. M. M. Putra, and L. Malihatuningrum, ―Analisis
Perbandingan Metode Pra Pemrosesan Citra untuk Deteksi Tepi Canny pada Citra
Berbagai Kondisi Jalan menggunakan Bahasa Pemrograman Python,‖ JURNAL
TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP), vol. 7, no. 1, pp. 17–31,
Apr. 2024, doi: 10.34012/jutikomp.v7i1.3872.
[10] A. K. Wardhani, R. I. Sudra, E. Nugraha, and A. N. Putri, ―Optimasi Nilai K pada
Algoritma K-Nearest Neighbor untuk Klasifikasi Kesehatan Janin,‖ Journal of Computer
Science and Technology (JCS-TECH), vol. 5, no. 1, pp. 44–51, May 2025, doi:
10.54840/jcstech.v5i1.360.
[11] Achhmad Agam and Supatman, ―Analisa Citra Warna Darah Reject Berdasarkan Fitur
Histogram Menggunakan KNN,‖ Elkom: Jurnal Elektronika dan Komputer, vol. 18, no. 2,
pp. 316–324, Dec. 2025, doi: 10.51903/elkom.v18i2.3332.
[12] Z. Jannah, R. Kurniawan, and S. Anwar, ―STUDI ALGORITMA NEURAL NETWORK
DALAM KLASIFIKASI SENTIMEN PENGGUNA SHOPEE: PENINGKATAN
AKURASI MODEL,‖ Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, Apr.
2025, doi: 10.23960/jitet.v13i2.6113.
[13] N. T. Ujianto, Gunawan, H. Fadillah, A. P. Fanti, A. D. Saputra, and I. G. Ramadhan,
―Penerapan algoritma K-Nearest Neighbors (KNN) untuk klasifikasi citra medis,‖ ITExplore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, vol. 4, no. 1, pp. 33–43,
Feb. 2025, doi: 10.24246/itexplore.v4i1.2025.pp33-43.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
