MUHAMMAD EMIR FACHRUDIN / (2022) Implementasi Deep Learning Untuk Deteksi Parasit Plasmodium Falciparum Penyebab Malaria Pada Citra Thick Blood Smear. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733025_HALAMAN JUDUL.pdf Download (797kB)
	Text (BAB I) 081811733025_BAB I.pdf Download (434kB)
	Text (FULLTEXT) 081811733025_FULLTEXT.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Berdasarkan data dari World Health Organization pada tahun 2019 diperkirakan terjadi sekitar 229 juta kasus malaria dengan perkiraan jumlah kematian mencapai 409.000 jiwa. Diagnosis malaria yang cepat dan tepat merupakan hal yang sangat diperlukan dalam penanganan kasus malaria, namun faktor yang sering menyebabkan kegagalan dalam penanggulangan malaria adalah kesalahan diagnosis mikroskopik malaria. Faktor kesalahan dapat terjadi karena ketidakmampuan dalam mengenal morfologi parasit yang di deteksi dan faktor kelelahan mata petugas medis dalam melihat morfologi parasit. Sehingga memerlukan sebuah sistem model deep learning yang dapat membantu dalam diagnosis malaria agar lebih akurat dan cepat. Pada penilitian ini menggunakan metode Faster R-CNN dengan arsitektur Inception V2 dan Resnet-50 dikarenakan memiliki kecepatan komputasi dan kinerja model yang baik. Proses deteksi pada penelitian ini dilakukan pada dataset citra original (Raw), gaussian filter, median filter, dan contrast stretching. Berdasarkan hasil penelitian menyatakan bahwa model Faster R-CNN dengan arsitektur Inception V2 memiliki nilai rata-rata akurasi 92,7 %, presisi 73,79 %, recall 93,10 %, dan F1-Score 82,31 %. Pada model Faster R-CNN dengan arsitektur Resnet-50 memiliki nilai rata-rata akurasi 94,45 %, presisi 75,85 %, recall 94,39 %, dan F1-Score 84,10 %. Selain itu untuk kecepatan waktu training pada arsitektur arsitektur Inception V2 diperoleh pada citra original (Raw) selama 33 menit 25 detik, citra gaussian selama 35 menit 19 detik, citra median selama 38 menit 19 detik, dan citra contrast stretch selama 32.38 detik. Selanjutnya pada arsitektur Resnet-50 diperoleh pada citra original (Raw) selama 41 menit 10 detik, citra gaussian selama 45 menit 21 detik, citra median selama 47 menit 24 detik, dan citra contrast stretch selama 39 menit 05 detik.

Actions (login required)

View Item