Identifikasi Parasit Malaria Berbasis Web Menggunakan CNN pada Citra Sel Darah

Baiq Dwi Ningrum Pristiani, M. Riko Anshori Prasetya, Ahmad Hidayat, Husni Naparin

Abstract


Malaria adalah penyakit menular yang umum di daerah tropis dan subtropis, yang disebabkan oleh infeksi parasit plasmodium melalui gigitan nyamuk Anopheles. Penyakit ini berisiko tinggi menyebabkan kematian, terutama pada kelompok rentan seperti bayi, balita, dan ibu hamil. Data Kementerian Kesehatan Indonesia menunjukkan peningkatan signifikan kasus malaria dari 304.607 kasus pada tahun 2021 menjadi 443.530 kasus pada tahun 2022. Meskipun pemeriksaan mikroskopis akurat dan murah, namun membutuhkan tenaga medis yang berpengalaman dan memakan waktu yang cukup lama. Oleh karena itu, pengembangan metode deteksi otomatis parasit malaria menjadi penting untuk mempercepat diagnosis dan meningkatkan akurasi. Penelitian ini bertujuan untuk membangun sistem deteksi malaria menggunakan citra sel darah dengan algoritma Convolutional Neural Network (CNN) berbasis web. Data citra sel darah diambil dari situs kaggle.com, setelah itu dilakukan data preprocessing berupa image resizing dan data augmentation. Dataset dibagi menjadi data training dan validation dengan rasio 80% untuk data training dan 20% untuk data validation. Model CNN ini terdiri dari beberapa lapisan seperti Conv2D, MaxPooling2D, Flatten, dan Dense, digunakan untuk klasifikasi citra sel darah. Model yang sudah dibuat dilatih menggunakan optimizer adam dan loss function categorical_crossentropy mencapai akurasi sebesar 96.93%. Penerapan teknik augmentasi data terbukti meningkatkan akurasi model. Web berbasis Flask dirancang untuk memungkinkan pengguna mengunggah citra sel darah dan menerima hasil deteksi secara cepat dan akurat. Sistem ini diharapkan membantu tenaga medis dan masyarakat di daerah endemik malaria dalam mendapatkan diagnosis yang cepat dan tepat, terutama di wilayah dengan akses terbatas terhadap fasilitas laboratorium dan tenaga ahli. Penelitian ini menunjukkan bahwa integrasi teknologi deep learning dan aplikasi web memiliki potensi besar dalam meningkatkan efisiensi diagnosis malaria di dunia nyata.

Full Text:

PDF

References


K. Adi and C. Anam, “Rancang Bangun Perangkat Lunak Untuk Perhitungan Sel Darah Merah Normal Dan Terinfeksi Malaria,” vol. 22, no. 3, pp. 110–116, 2019.

Kemkes, “Kasus Malaria di Indonesia.” Accessed: Jan. 20, 2024. [Online]. Available: https://malaria.kemkes.go.id/case

J. Gatc and F. Maspiyanti, “Gatc, Prediksi Parasit Plasmodium Pada Citra Mikroskopis Sel Darah Merah dengan Convolutional Neural Networks 31 Prediksi Parasit Plasmodium pada Citra Mikroskopis Sel Darah Merah dengan Convolutional Neural Networks,” pp. 31–41, Apr. 2021.

J. E. Massamba, J. C. Djontu, C. J. Vouvoungui, C. Kobawila, and F. Ntoumi, “Plasmodium falciparum multiplicity of infection and pregnancy outcomes in Congolese women from southern Brazzaville, Republic of Congo,” Malar J, vol. 21, no. 1, Dec. 2022, doi: 10.1186/s12936-022-04105-w.

Mayo Clinic Staff, “Malaria Diagnosis,” Mayo Clinic.

M. Harahap, J. Jefferson, S. Barti, S. Samosir, and C. A. Turnip, “Implementation of Convolutional Neural Network in the classification of red blood cells have affected of malaria,” SinkrOn, vol. 5, no. 2, pp. 199–207, Apr. 2020, doi: 10.33395/sinkron.v5i2.10713.

A. W. Setiawan et al., “Deteksi Malaria Berbasis Segmentasi Warna Citra Dan Pembelajaran Mesin Malaria Detection Using Color Image Segmentation And Machine Learning,” vol. 8, no. 4, pp. 769–776, 2021, doi: 10.25126/jtiik.202184377.

A. Lapu Kalua, P. Korespondensi, D. Tineke Salaki, and S. Ratulangi, “Sistem Pakar Diagnosa Penyakit Malaria dengan Certainty Factor dan Forward Chaining,” ITSESC: Journal of Information Technology, Software Engineering, and Computer Science, vol. 1, no. 1, 2023.

A. Rais, “Pendeteksian Parasit Malaria Dalam Sel Darah Manusia Menggunakan Metode Convolutional Neural Network,” Universitas Islam Negeri Syarif Hidayatullah, Jakarta, 2020.

F. F. Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” Journal of Informatics and Computer Science, vol. 1, 2020.

R. A. Hasyani, S. M. Simbolon, Y. Mufida, Y. Ester, and B. Ritonga, “Klasifikasi Malaria melalui Penggunaan Convolutional Neural Network pada Citra Sel Darah,” Student Research Journal, vol. 1, no. 6, 2023, doi: 10.55606/srjyappi.v1i6.853.

E. Setyaningrum, Mengenal Malaria dan Vektornya, 1st ed. Lampung: Pustaka Ali Imron, 2020. Accessed: Jan. 15, 2024. [Online]. Available: http://repository.lppm.unila.ac.id/19438/

Centers for Disease Control and Prevention, “Malaria,” .

J. Patterson and A. Gibson, Deep Learning : A Practitioner’s Approach, First Edition. Sebastopol: O’Reilly Media, 2017. [Online]. Available: www.allitebooks.com

S. Rajaraman et al., “Pre-trained convolutional neural networks as feature extractors toward improved malaria parasite detection in thin blood smear images,” PeerJ 6:e4568, 2018.

S. Liang, X. Liu, J. Wang, and Y. Zheng, “Malaria Cell Image Classification Based on Deep Learning,” J Healthc Eng, pp. 1–8, 2020.

M. Riko Anshori Prasetya and A. Mudi Priyatno, “Penanganan Imputasi Missing Values pada Data Time Series dengan Menggunakan Metode Data Mining,” Jurnal Informasi dan Teknologi, vol. 5, pp. 56–62, Jun. 2023, doi: 10.37034/jidt.v5i1.324.

N. Huda, S. Y. Prayogi, M. A. Ahmad, and A. Y. Dewi, “Klasifikasi Malaria Menggunakan Metode Image Processing Dari Sel Darah Merah Dengan Algoritma Convolutional Neural Network,” JOINS (Journal of Information System), vol. 7, no. 2, pp. 166–177, Nov. 2022, doi: 10.33633/joins.v7i2.7068.

A. F. Saksenata, A. E. Minarno, and Y. Azhar, “Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN,” REPOSITOR, vol. 4, no. 2, pp. 185–194, 2022, doi: https://doi.org/10.22219/repositor.v4i2.31053.

P. D. Ayuni, Jasril, M. Irsyad, F. Yanto, and S. Sanjaya, “Augmentasi Data Pada Implementasi Convolutional Neural Network Arsitektur Efficientnet-B3 Untuk Klasifikasi Penyakit Daun PADI,” SISTEMASI: Jurnal Sistem Informasi, vol. 5, no. 2, pp. 239–249, 2023, doi: https://doi.org/10.31849/zn.v5i2.13874.

A. Zein, “Pendeteksian Penyakit Malaria Menggunakan Medical Images Analisis Dengan Deep Learning Python Detection of Malaria Using Medical Images Analysis with Deep Learning Python,” Sainstec, vol. 29, no. 1, pp. 1410–7104, 2019.




DOI: https://doi.org/10.33365/jtk.v19i1.4563

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Baiq Dwi Ningrum Pristiani, M. Riko Anshori Prasetya, Ahmad Hidayat, Husni Naparin

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi AkuntansiUniversitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E  : teknokompak@teknokrat.ac.id.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Jumlah Pengunjung : View Tekno Kompak StatsCounter

Flag Counter