SISTEM DETEKSI MALARIA BERBASIS CITRA MIKROSKOP MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK
Penyakit malaria merupakan penyakit tropis yang menginfeksi sel darah merah
manusia yang disebabkan oleh infeksi parasit plasmodium. Parasit plasmodium
ditularkan ke manusia melalui gigitan nyamuk betina anopheles dan dapat
berkembang biak didalam sel darah merah manusia. Malaria menjadi masalah
kesehatan yang beresiko menimbulkan masalah kesehatan lainnya seperti anemia
bahkan dapat menyebabkan kematian. Baku emas diagnosis malaria saat ini adalah
diagnosis laboratorium dengan pemeriksaan mikroskopis untuk menemukan parasit
malaria melalui sel darah dari pasien. Namun diagnosis malaria melalui pengamatan
mikroskopis sel darah ini berpotensi memakan waktu yang lama, dikarenakan
parasit plasmodium memiliki ukuran yang sangat kecil. Sistem deteksi malaria
menggunakan metode Convolutional Neural Network (CNN) dirancang untuk
mendeteksi penyakit malaria pada sel darah manusia. CNN adalah salah satu
metode machine learning didesain untuk mengklasifikasi objek pada citra. Sistem
dibangun dengan tiga tahapan pengembangan, yaitu pengembangan model CNN
untuk deteksi malaria, pengembangan perangkat lunak dan pengembangan
perangkat keras. Komponen perangkat keras yang digunakan pada sistem
diantaranya Raspberry pi, modul kamera Raspberry Pi, dan LCD. Hasil pengujian
deteksi malaria menggunakan model CNN memberikan akurasi sebesar 98,76%
yang diuji terhadap citra sel darah dari mikroskop.
URI
https://repo.itera.ac.id/depan/submission/SB2205260002
Keyword