View/Open

Author
IVAN, FULVIAN PITOYO

Date Published
30 Jul 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,
I Gde Eka Dirgayussa, M.Si.,

Subject
Teknik Biomedis

Publisher

Malaria masih menjadi tantangan kesehatan di Indonesia, khususnya di wilayah endemis seperti Lampung. Diagnosis melalui pemeriksaan mikroskopis manual masih bergantung pada ketelitian tenaga medis dalam mengamati citra secara berulang, sehingga berpotensi menyebabkan kelelahan visual dan memengaruhi konsistensi pengamatan. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis Plasmodium falciparum dan Plasmodium vivax pada citra mikroskopis sediaan darah. Sistem dikembangkan menggunakan metode fine-tuning pada model You Only Look Once (YOLOv8m) dengan bobot pra-latih dari dataset COCO. Dataset dari Puskesmas Hanura memiliki ketidakseimbangan kelas, sehingga diterapkan augmentasi noise, brightness, dan flip, serta tiga skenario penanganan ketidakseimbangan kelas, yaitu oversampling rasio 1:2, global augmentation, dan undersampling rasio 1:1. Optimasi hyperparameter menggunakan Optuna dilakukan sebanyak 153 trial. Hasil evaluasi menunjukkan oversampling menghasilkan performa terbaik dengan mAP@50 sebesar 91%, mAP@50-95 sebesar 59%, Precision 86%, Recall 83%, dan F1-Score 84%. Model terbaik kemudian diintegrasikan ke dalam GUI berbasis Python dan OpenCV yang terhubung dengan kamera mikroskop untuk mendukung deteksi malaria secara real-time.

URI
https://repo.itera.ac.id/depan/submission/SB2608250018

Keyword
Deep Learning Malaria Mikroskop Object Detection YOLOv8