View/Open

Author
MOHAMAD MEAZZA, APRILIANDA

Date Published
22 Dec 2025

Advisor
Andika Setiawan, S.Kom., M.Cs.,
Leslie Anggraini, S.Kom., M.Cs.,

Subject
Teknik Informatika

Publisher

Malaria merupakan penyakit menular yang masih menjadi permasalahan kesehatan global, khususnya di wilayah tropis seperti Indonesia. Penyakit ini disebabkan oleh parasit Plasmodium yang ditularkan melalui gigitan nyamuk Anopheles betina, dengan Plasmodium vivax sebagai salah satu spesies yang paling umum ditemukan. Penelitian ini bertujuan untuk membandingkan kinerja dua arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2 dan EfficientNetB0 dalam mengklasifikasikan penyakit malaria yang disebabkan oleh Plasmodium vivax berdasarkan citra sel darah. Dataset yang digunakan berasal dari Broad Bioimage Benchmark Collection (BBBC041 Version 1) dengan total 780 citra sel darah yang terbagi menjadi lima kelas: uninfected, ring, trophozoite, schizont, dan gametocyte. Proses penelitian meliputi prapemrosesan data, pelatihan model menggunakan metode k-Fold Cross Validation dengan variasi hyperparameter berupa optimizer (Adam, RMSProp), learning rate (1e-4, 1e-3), epoch (50, 100), dan batch size (32). Hasil penelitian menunjukkan bahwa EfficientNetB0 memiliki performa terbaik dengan rata-rata accuracy 0,913, precision 0,917, recall 0,913, dan f1-score 0,912, sedangkan MobileNetV2 memperoleh accuracy 0,905, precision 0,909, recall 0,905, dan f1-score 0,905. Meskipun demikian, MobileNetV2 lebih efisien secara komputasi. Penelitian ini menunjukkan bahwa penerapan CNN dalam klasifikasi citra sel darah malaria dengan EfficientNetB0 sebagai model dengan performa optimal dan MobileNetV2 sebagai model lebih baik pada komputasi.

URI
https://repo.itera.ac.id/depan/submission/SB2512190017

Keyword
Malaria Plasmodium vivax Klasifikasi MobileNetV2 EfficientNetB0