Deteksi Parasit Plasmodium pada Citra Mikroskopis Hapusan Darah dengan Metode Deep Learning
| Autor: | NOR KUMALASARI CAECAR PRATIWI, NUR IBRAHIM, YUNENDAH NUR FU’ADAH, SYAMSUL RIZAL |
|---|---|
| Jazyk: | indonéština |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Jurnal Elkomika, Vol 9, Iss 2 (2021) |
| Druh dokumentu: | article |
| ISSN: | 2338-8323 2459-9638 |
| DOI: | 10.26760/elkomika.v9i2.306 |
| Popis: | ABSTRAK Parasit plasmodium merupakan makhluk protozoa bersel satu yang menjadi penyebab penyakit malaria. Plasmodium ini dibawa melalui gigitan nyamuk anopheles betina. Dalam World Malaria Report 2015 menyatakan bahwa malaria telah menyerang sedikit 106 negara di dunia. Di Indonesia sendiri, Papua, NTT dan Maluku merupakan wilayah dengan kasus positif malaria tertinggi. Malaria telah menjadi masalah yang serius, sehingga keberadaan sistem diagnosa otomatis yang cepat dan handal sangat diperlukan untuk proses perlambatan penyeberan dan pembasmian epidemi. Dalam penelitian ini akan dirancang sistem yang mampu mendeteksi parasit malaria pada citra mikroskopis darah menggunakan arsitekur Convolutional Neural Network (CNN) sederhana. Hasil pengujian menunjukkan bahwa metode yang diusulkan memberikan presisi dan recall sebesar 0,98 dan f1-score sebesar 0,96 serta akurasi 95,83%. Kata kunci: parasit, malaria, convolutional neural network, citra mikroskopis ABSTRACT Plasmodium parasites are single-celled protozoan creatures that cause malaria. Plasmodium is carried through the bite of a female Anopheles mosquito. The World Malaria Report 2015 states that malaria has attacked at least 106 countries in the world. In Indonesia itself, Papua, NTT and Maluku are the regions with the highest positive cases of malaria. Malaria has become a serious problem, so the existence of a fast and reliable automatic diagnosis system is indispensable for the process of slowing down the spread and eliminating the epidemic. In this study, a system capable of detecting malaria parasites in microscopic images of blood will be designed using a simple Convolutional Neural Network (CNN) architecture. The test results show that the proposed method provides precision and recall of 0,98, f1-values of 0.96 and accuracy of 95,83%. Keywords: parasites, malaria, convolutional neural network, microscopic image |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|