Sistem Prediksi Anemia Berbasis Web Menggunakan Algoritma Logistic Regression

Abstract

Anemia adalah kondisi kesehatan yang memengaruhi banyak orang di seluruh dunia dan sering kali tidak terdeteksi karena tidak adanya gejala awal. Penelitian ini bertujuan mengembangkan sistem prediksi anemia berbasis web menggunakan Logistic Regression, algoritma machine learning yang sesuai untuk klasifikasi biner. Penelitian dilakukan dengan mengumpulkan dan memproses data hasil tes darah, dengan fokus pada fitur Hemoglobin, Mean Corpuscular Hemoglobin (MCH), Mean Corpuscular Hemoglobin Concentration (MCHC), dan Mean Corpuscular Volume (MCV). Model Logistic Regression dilatih dan dievaluasi untuk mengukur akurasinya dalam memprediksi anemia. Model yang dihasilkan diintegrasikan ke dalam aplikasi web menggunakan framework Flask, sehingga pengguna dapat memasukkan parameter hasil tes darah dan menerima prediksi secara waktu nyata. Hasil menunjukkan bahwa Logistic Regression efektif dalam mengklasifikasikan anemia berdasarkan fitur hematologis tersebut. Aplikasi ini dapat mendukung skrining dini dan membantu individu menilai risiko anemia sebelum konsultasi medis lebih lanjut.