Fitriyani, Ulfah (2021) DIAGNOSA MALARIA BERDASARKAN SEL DARAH MERAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas YARSI.
|
Text
Cover.pdf Download (61kB) | Preview |
|
|
Text
Pengesahan.pdf Download (91kB) | Preview |
|
|
Text
Orisinalitas.pdf Download (73kB) | Preview |
|
|
Text
Abstrak.pdf Download (52kB) | Preview |
|
|
Text
Bab 1.pdf Download (293kB) | Preview |
|
|
Text
Daftar Pustaka.pdf Download (199kB) | Preview |
|
![[img]](http://digilib.yarsi.ac.id/style/images/fileicons/text.png) |
Text
Bab 2.pdf Restricted to Registered users only Download (283kB) |
|
|
Text
Bab 3.pdf Restricted to Registered users only Download (379kB) |
|
|
Text
Bab 4.pdf Restricted to Registered users only Download (323kB) |
|
|
Text
Bab 5.pdf Restricted to Registered users only Download (259kB) |
|
|
Text
Bab 6.pdf Restricted to Registered users only Download (118kB) |
|
|
Text
Lampiran.pdf Restricted to Registered users only Download (306kB) |
Abstract
Malaria adalah penyakit epidemi fatal menular yang ditimbulkan oleh parasit Plasmodium. Parasit ini ditularkan melalui nyamuk dan menginfeksi sel darah merah manusia. Menurut Kementerian Kesehatan keseluruhan kasus malaria tahun 2019 di Indonesia sebanyak 250.644. Mikroskop adalah alat yang biasa digunakan untuk mendiagnosis malaria dengan menguji sel darah merah. Namun, metode pemeriksaan tersebut memakan waktu dan hasil akurasi diagnosisnya bergantung pada tingkat keahlian serta pengalaman ahli mikroskopis. Deteksi dini penyakit malaria diperlukan untuk menekan angka kematian pasien. Sejumlah penelitian berbasis Artificial Intelligence dikembangkan untuk mengidentifikasi parasit malaria secara otomatis. Penelitian ini mengusulkan metode Machine Learning yang dapat digunakan untuk identifikasi parasit berdasarkan citra sel darah merah. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network. Metode ini akan melalui pelatihan dan kemudian dapat mengenali parasit yang ada dalam citra sel darah. Hasil akurasi 96,43% untuk pengenalan citra pada penelitian ini, dan 94,58% untuk akurasi pemodelan testing. nilai akurasi menjadi tolak ukur seberapa akurat pembelajaran yang diterima untuk mengenali citra sel darah. Dengan adanya penelitian ini diharapkan membantu dokter atau ahli patologi dalam mendeteksi malaria sejak dini agar pasien mendapatkan perawatan medis yang tepat dengan segera.
| Item Type: | Thesis (Diploma) |
|---|---|
| Additional Information: | S-766-FTI |
| Uncontrolled Keywords: | Malaria, Artificial Intelligence, Machine Learning, Convolutional Neural Network |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science R Medicine > R Medicine (General) T Technology > T Technology (General) |
| Depositing User: | Unnamed user with email admin@yarsi.ac.id |
| Date Deposited: | 10 Nov 2023 06:23 |
| Last Modified: | 10 Nov 2023 06:23 |
| URI: | http://digilib.yarsi.ac.id/id/eprint/12212 |
Actions (login required)
 |
View Item |