Pemodelan Sistem Deteksi Parasit Malaria pada Citra Mikroskopis Sel Darah Menggunakan Metode Deep Learning
DOI:
https://doi.org/10.32664/smatika.v14i02.1475Kata Kunci:
Convolutional Neural Network, Deep Learning, Malaria, Sistem deteksiAbstrak
Pemerikasaan mikroskopis adalah teknik pemeriksaan malaria yang paling umum digunakan di fasilitas Kesehatan. Namun, pemeriksaan mikroskopis memerlukan keahlian khusus dan waktu yang cukup lama. Penelitian ini bertujuan mengembangkan model sistem deteksi parasit malaria dalam citra sel darah menggunakan teknologi deep learning untuk meningkatkan akurasi dan kecepatan deteksi dengan algoritma Convolutional Neural Network (CNN). Penelitian ini dilakukan dalam beberapa tahapan yang terdiri dari data collection, image preprocessing, pembagian data latih dan data validasi, pembuatan model menggunakan CNN, dan evaluasi model. Model CNN dibuat untuk mengklasifikasikan gambar sel darah ke dalam dua kelas yaitu terinfeksi dan tidak terinfeksi. Dataset yang digunakan sebagai acuan dalam pembentukan model sistem deteksi menggunakan gambar sel darah dari sumber terbuka Kaggle sebanyak 11.312 gambar. Hasil evaluasi model CNN mendapatkan nilai akurasi sebesar 97.17% dalam mendeteksi gambar sel darah. Hasil tersebut menunjukkan bahwa model CNN yang dibentuk dapat digunakan untuk deteksi parasit malaria menggunakan gambar sel darah.
Referensi
R. A. Sirait et al., “Buletin APBN,†Buletin APBN, vol. VIII, no. 23, Dec. 2023. [Online]. Available: http://pa3kn.dpr.go.id/kontak
Dinas Kesehatan Kota Banjarmasin, “Profil Kesehatan Tahun 2023 Kota Banjarmasin,†Banjarmasin, 2024.
J. Fitriany and A. Sabiq, “Malaria,†Jurnal Averrous, vol. 4, no. 2, 2018.
J. E. Massamba, J. C. Djontu, C. J. Vouvoungui, C. Kobawila, and F. Ntoumi, “Plasmodium falciparum multiplicity of infection and pregnancy outcomes in Congolese women from southern Brazzaville, Republic of Congo,†Malar J, vol. 21, no. 1, Dec. 2022, doi: 10.1186/s12936-022-04105-w.
J. Patterson and A. Gibson, Deep Learning : A Practitioner’s Approach. 2017. [Online]. Available: www.allitebooks.com
A. W. Setiawan et al., “Deteksi Malaria Berbasis Segmentasi Warna Citra dan Pembelajaran Mesin,†Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 4, pp. 769–776, Jul. 2021, doi: 10.25126/jtiik.2021844377.
W. Maulana Baihaqi, C. Raras, A. Widiawati, D. P. Sabila, and A. Wati, “Analisis Gambar Sel Darah Berbasis Convolution Neural Network untuk Mendiagnosis Penyakit Demam Berdarah,†Cogito Smart Journal |, vol. 7, no. 1, 2021.
S. Rizal, N. Ibrahim, N. K. C. Pratiwi, S. Saidah, and R. Y. N. Fu’adah, “Deep Learning untuk Klasifikasi Diabetic Retinopathy menggunakan Model EfficientNet,†ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 8, no. 3, p. 693, Aug. 2020, doi: 10.26760/elkomika.v8i3.693.
A. Nada Nafisa, E. Nia Devina Br Purba, F. Aulia Alfarisi Harahap, and N. Adawiyah Putri, “Implementasi Algoritma Convolutional Neural Network Arsitektur Model MobileNetV2 dalam Klasifikasi Penyakit Tumor Otak Glioma, Pituitary dan Meningioma,†Jurnal Teknologi Informasi, Komputer dan Aplikasinya (JTIKA), vol. 5, no. 1, pp. 53–61, Mar. 2023, [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/
P. Sarah Fransisca and N. Matondang, “Deteksi Citra Digital Penyakit Cacar Monyet menggunakan Algoritma Convolutional Neural Network dengan Arsitektur MobileNetV2,†Jurnal Ilmu Komputer dan Agri-Informatika, vol. 10, no. 2, pp. 200–211, 2023, [Online]. Available: http://journal.ipb.ac.id/index.php/jika
R. Soekarta, M. Yusuf, M. Fadli Hasa, and N. Annisa Basri, “Implementasi Deep Learning Untuk Deteksi Jenis Obat Menggunakan Algoritma CNN Berbasis Website,†JIKA (Jurnal Informatika), vol. 7, no. 4, pp. 455–464, Nov. 2023.
N. Sulaksono and A. Kurniawati, “Penerapan Artificial Intelligence dalam Mendeteksi Batu Ginjal secara Otomatis pada Citra CT Scan,†Jurnal Imejing Diagnostik, vol. 10, pp. 42–46, 2024, [Online]. Available: http://ejournal.poltekkes-smg.ac.id/ojs/index.php/jimed/index
A. A. Handoko, M. A. Rosid, and U. Indahyanti, “Implementasi Convolutional Neural Network (CNN) Untuk Pengenalan Tulisan Tangan Aksara Bima,†SMATIKA JURNAL, vol. 14, no. 01, pp. 96–110, Jul. 2024, doi: 10.32664/smatika.v14i01.1196.
A. Bagas Prakosa and dan Radius Tanone, “Implementasi Model Deep Learning Convolutional Neural Network (CNN) Pada Citra Penyakit Daun Jagung Untuk Klasifikasi Penyakit Tanaman,†2023. [Online]. Available: https://www.kaggle.com/datasets/n
S. Septhyan, R. Magdalena, and N. K. C. Pratiwi, “Deep Learning Untuk Deteksi Covid-19, Pneumonia, Dan Tuberculosis Pada Citra Rontgen Dada Menggunakan CNN Dengan Arsitektur Alexnet,†e-Proceeding of Engineering, pp. 2869–2878, Dec. 2022.
Yohannes, S. Devella, and K. Arianto, “Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency,†JUITA:Jurnal Informatika, vol. 8, no. 1, pp. 37–44, May 2020.
N. P. Wulandari and D. Fitrianah, “Analisa Perbandingan Algoritma CNN Dan MLP Dalam Mendeteksi Penyakit COVID-19 Pada Citra X-Ray Paru,†Sains, Aplikasi, Komputasi dan Teknologi Informasi, vol. 3, no. 2, pp. 44–52, Aug. 2021.
A. A. Pratama, Y. Yohanie, F. Panduman, D. K. Basuki, and S. Sukaridhoto, “Edge Computing Implementation for Action Recognition Systems,†Scientific Journal of Informatics, vol. 7, no. 2, pp. 2407–7658, 2020, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji
N. Huda, S. Y. Prayogi, M. A. Ahmad, and A. Y. Dewi, “Klasifikasi Malaria Menggunakan Metode Image Processing Dari Sel Darah Merah Dengan Algoritma Convolutional Neural Network,†JOINS (Journal of Information System), vol. 7, no. 2, pp. 166–177, Nov. 2022, doi: 10.33633/joins.v7i2.7068.
D. P. Ayuni, Jasril, M. Irsyad, F. Yanto, and S. Sanjaya, “Augmentasi Data Pada Implemetasi Convolutional Neural Network Arsitektur Efficientnet-B3 Untuk Klasifikasi Penyakit Daun Padi,†ZONAsi: Jurnal Sistem Informasi, vol. 5, no. 2, pp. 239–249, 2023.
K. Azmi, S. Defit, and U. Putra Indonesia YPTK Padang Jl Raya Lubuk Begalung-Padang-Sumatera Barat, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,†vol. 16, no. 1, p. 2023.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.
