KLASIFIKASI GOLONGAN DARAH BERBASIS ARDUINO UNO
Abstract
Abstrak. Penelitian ini dilatarbelakangi oleh pentingnya identifikasi golongan darah yang cepat dan akurat sebagai langkah awal dalam pelayanan kesehatan, serta masih tingginya ketergantungan pada metode manual berbasis pengamatan visual yang berpotensi menimbulkan kesalahan interpretasi. Penelitian ini bertujuan merancang dan mengimplementasikan sistem klasifikasi golongan darah berbasis Arduino Uno sebagai alat bantu identifikasi elektronik. Metode yang digunakan adalah Waterfall, meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem memanfaatkan Arduino Uno sebagai pengendali utama dan sensor cahaya untuk mendeteksi perubahan karakteristik optik darah akibat reaksi aglutinasi pada proses pengujian. Evaluasi dilakukan dengan membandingkan hasil klasifikasi sistem dengan metode manual pada 12 peserta. Hasil penelitian menunjukkan tingkat keberhasilan sistem sebesar 66,7%, di mana 8 sampel teridentifikasi sesuai dan 4 sampel belum sesuai. Sistem mampu mengklasifikasikan golongan darah A+, B+, O+, dan AB+, namun akurasi masih dipengaruhi oleh sensitivitas sensor, kondisi pencahayaan, variasi reaksi aglutinasi, dan penentuan nilai ambang program. Dengan demikian, sistem ini berpotensi menjadi alternatif identifikasi golongan darah secara elektronik, meskipun memerlukan pengembangan lebih lanjut untuk meningkatkan akurasi dan keandalan.
Downloads
References
Lubis, A. R., Harefa, H. R., Lubis, M., & Rahmat, R. F. (2024). Human blood group type detection prototype focusing on agglutinin using microcontroller based photodiode. Bulletin of Electrical Engineering and Informatics, 13(4), 2310–2319.
Pendeteksi Golongan darah Dan Rhesus Dengan Menggunakan Mikrokontroler Arduino Mega 2560,” vol. 7, no. 1, pp. 43–51, 2018. Mawaddah, “Rancang Bangun Automatic Human Blood Type Detector Menggunakan Sensor Cahaya BH1750 Berdasarkan Sifat Optik Dengan Metode ABO,” 2020, [Online]. Available: https://journal.uinjkt.ac.id/index.php/al-fiziya/article/view/14433
PUTRA, F. A. (2025). PENGEMBANGAN MEDIA PEMBELAJARAN PADA MATA PELAJARAN INSTALASI MOTOR LISTRIK BERBASIS TRAINER PORTABLE DI KELAS XII (SMK Negeri 1 Kramatwatu Kabupaten Serang–Banten) (Doctoral dissertation, UNIVERSITAS SULTAN AGENG TIRTAYASA).
Kustandi, C., & Darmawan, D. (2020). Pengembangan Media Pembelajaran: Konsep & Aplikasi Pengembangan Media Pembelajaran bagi Pendidik di Sekolah dan Masyrakat. Prenada Media.
Qomaruzzaman, I., Prasetyanto, W. A., & Wahyudi, B. (2025). Design and construction of a blood type detection device with a color sensor based on Arduino Uno. Journal of Engineering, Electrical and Informatics, 5(2), 179–187.
Lubis, U. L., & Yusnida, H. (2021). Pentingnya Tes Golongan Darah Bagi Peserta Didik. Jurnal Pengabdian dan Pemberdayaan Masyarakat ALIFA, 1(1).
Vaidya, A., et al. (2025). Molecularly imprinted polymer-based biosensor approaches for selective erythrocyte detection. Biosensors and Bioelectronics, 240, 115670.
Padmaja, P., Poojitha, C., Bhanu Laxman, K., Abhi Ram, K., & Vyshnavi, U. (2025). Deep Learning and image processing based blood group detection. International Journal of Computer Trends and Technology, 73(5), 179–184.
Adafruit Industries (2022). "Guide to Using Relay Modules in IoT Projects." Retrieved from: https://www.adafruit.com
Pratama, V. A. (2021). LKP: Rancang Bangun Data Logger Berbasis SD Card Pengukur Suhu Ruangan Laboratorium di Balai Riset dan Standardisasi Industri Surabaya (Doctoral dissertation, Universitas Dinamika).
Supegina, F., & Sukindar, D. (2014). Perancangan Robot Pencapit Untuk Penyotir Barang Berdasarkan Warna Led Rgb Dengan Display Lcd Berbasis Arduino Uno. Jurnal Teknologi Elektro, 5(1), 143417.
Sitorus, H. F. (2023). Rancang bangun sistem kontrol smarthome berbasis PLC (Doctoral dissertation, Fakultas Teknik, Universitas Islam Sumatera Utara).
Stephanus, A., Mbitu, E. T., Suatkab, S. G., & Salamoni, T. D. (2024). ESP32-based real-time blood typing detection for emergency and rural use. International Journal of Science, Technology & Management, 3(4), 45–54. Suresh, M., Emayavarman, P., Subburathinam, M., &
Mahmood, M. F. (2024). Recognition and categorization of blood groups by machine learning and image processing method. Innovative Biosystems and Bioengineering, 8(1), 22–30. M.
Sugiyono, D. (2013). Metode penelitian pendidikan pendekatan kuantitatif, kualitatif dan R&D.
R. S. Pressman, Rekayasa Perangkat Lunak (Pendekatan Praktisi), Yogyakarta: Penerbit ANDI, 2012. Restu Fardian Suwandi, Galih. 2014. Sistem Pendeteksi Golongan Darah Menggunakan Komparator dan Komponen Opto Elektonik (LDR dan LED). Jurusan Fisika Institut Teknologi Bandung.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
