Identifikasi Citra Plasmodium Guna Mendeteksi Parasit Penyakit Malaria dengan Menggunakan Algorithm Convolutional Neural Network

Abstract

Malaria merupakan jenis penyakit yang disebabkan oleh sel protozoa yang dinamakan Plasmodium, dalam perkembangannya sel Plasmodium akan memasuki dan menghancurkan sel-sel darah merah. Deteksi penyakit malaria merupakan sesuatu yang sulit karena membutuhkan waktu yang cukup lama. Parasit malaria dapat di lakukan identifikasi dengan menggunakan microscope untuk melihat apakah ada atau tidaknya Plasmodium dalam sel darah merah. Akan tetapi metode ini sangat bergantung pada kualitas dari microscope. Dikembangkan sebuah model computer vision dengan menggunakan CNN (convolutional neural network). Model dikembangkan dengan melakukan komparasi arsitektur model ResNet-101, AlexNet, dan VGG-19 dengan memberikan dua skenario penentuan learning rate yaitu minimum learning rate dan maximum learning rate with slice. Proses training masing-masing model menggunakan 10 epoch. Digunakan tools/ library fast.ai untuk melakukan pembentukan model yang ada. Hasil dari penelitian yang berjudul Klasifikasi Citra Plasmodium Guna Mendeteksi Parasit Penyakit Malaria dengan menggunakan Algoritma CNN ini didapatkan bahwa arsitektur model ResNet-101 memiliki akurasi yang jauh lebih baik dibandingkan model AlexNet dan VGG-19, baik dengan menggunakan minimum learning rate maupun maximum learning rate, proses training model arsitektur ResNet-101 dengan menggunakan maximum learning rate with slice memiliki akurasi paling baik sebesar 0.97586% dan presisi sebesar 0.98249% dibandingkan dengan arsitektur AlexNet dan VGG-19.