Perancangan Pendeteksi Golongan Darah Dan Rhesus Berbasistensorflow Menggunakan Esp32-cam

Abstract

Abstrak Darah merupakan hal terpenting pada manusia yang tergolong menjadi beberapa golongan, yaitu ABO dan rhesus. Diperlukan penggolongan tersebut untuk menentukan saat proses transfusi darah dan mendeteksi penyakit pada manusia. Namun, pada saat ini, untuk menentukan golongan darah masih banyak petugas kesehatan yang melakukan penggolongan darah secara konvensional dengan mengandalkan kemampuan penglihatan manusia. Proyek Akhir ini menggunakan proses pengenalan gambar untuk menentukan golongan darah pada manusia. Proses ini bekerja dengan melihat perbedaan pada setiap gambar darah yang sudah ditraining. Proses ini dilakukan dengan menggunakan ESP32-Cam dan berbasis tensorflow dengan menggunakan metode Convolution Neural Network (CNN), tepatnya Faster R-CNN (Regional Convolution Neural Network) Inception V2. Hasil dari perancangan alat ini adalah dapat menentukan atau mendeteksi golongan darah dan rhesus secara real-time dengan tingkat keakuratan lebih dari 70%. Dataset yang digunakan setiap golongan darah sebanyak 25 gambar dengan proses training 20.000 steps. Pada proses pengujian, tingkat akurasi setiap gambar golongan darah A+ 92%, AB+ 97%, B+ 98% dan O+ 95%. Sementara, untuk golongan darah yang rhesusnya negatif tidak diuji coba karena kesulitan mendapatkan sample. Kata kunci : Rhesus, ESP32-Cam, tensorflow Abstract Blood is the most important thing in humans classified in certain types, such as ABO and Rhesus. To required a classification to determine during blood transfusion and to detect diseases in humans. At present, however, to determine blood type, many health workers have done the conventional blood segregation by relying on human sight. This final project uses the recognition process to determine blood type in humans. The process works by seeing differences in any of the blood images examined. This process has been done using the ESP32-Cam and a tensorflow based using the method of Convolution Neural Network (CNN), exactly Faster R-CNN (Regional Convolution Neural Network) Inception V2.The results of the Design of this device is that it can pinpoint or detect blood types in real time with an accuracy of over 70%. Datassets used each blood type by 25 pictures through the training process of 20,000 steps. In the testing process, the accuracy of each blood type image is A+ 92%, AB+ 97%, B+ 98% and O+ 95%. Asforthe blood group that isrhesus negative, no examination is carried out because of the difficulty of sampling Keywords: Rhesus, ESP32-Cam, tensorflow