<![CDATA[Anemia merupakan salah satu masalah kesehatan global yang ditandai dengan rendahnya kadar hemoglobin dalam darah, sehingga mengurangi kemampuan darah dalam mengangkut oksigen ke seluruh tubuh. Kondisi ini dapat berdampak pada penurunan kualitas hidup dan produktivitas apabila tidak terdeteksi sejak dini. Oleh karena itu, diperlukan metode prediksi yang akurat untuk membantu proses deteksi awal anemia. Penelitian ini bertujuan untuk membangun model prediksi status anemia dengan konsentrasi hemoglobin sebagai variabel utama menggunakan algoritma Artificial Neural Network (ANN). Dataset yang digunakan terdiri dari 1.421 data sampel dengan beberapa parameter pemeriksaan darah yang diperoleh dari platform Kaggle (Anemia Dataset). Atribut dataset meliputi kadar hemoglobin (Hb), Mean Corpuscular Hemoglobin (MCH), Mean Corpuscular Hemoglobin Concentration (MCHC), Mean Corpuscular Volume (MCV), gender, serta status anemia. Dalam penelitian ini, kadar hemoglobin digunakan sebagai indikator utama, sedangkan parameter darah lainnya dimanfaatkan sebagai variabel pendukung untuk meningkatkan akurasi model prediksi. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi Min-Max, pembagian data menjadi data latih (80%) dan data uji (20%), pelatihan model ANN, serta evaluasi kinerja menggunakan metrik klasifikasi. Berdasarkan hasil pengujian perbandingan, model ANN berhasil mendeteksi status anemia dengan tingkat akurasi sempurna 100% pada pengujian perbandingan model. Evaluasi detail arsitektur ANN (100 epoch, ReLU, Sigmoid) menghasilkan nilai akurasi sebesar 99,3%, presisi 98,46%, recall 100%, dan F1-score 99,22%. Nilai recall sebesar 1,0 menunjukkan bahwa seluruh kasus anemia berhasil teridenteksi tanpa adanya kesalahan False Negative. Dengan demikian, model yang dihasilkan diharapkan dapat digunakan sebagai alat bantu sistem pendukung keputusan awal bagi tenaga medis dalam proses skrining dini anemia.]]>
