Dutono, Catra Adhyatmaka (2015) Identifikasi Malaria Menggunakan Backpropagation Artificial Neural Network pada Sediaan Darah Tebal. Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
2210100144-Undergraduate Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Malaria adalah penyakit menular yang merupakan masalah kese-
hatan utama di berbagai negara tropis. Malaria adalah suatu pe-
nyakit yang disebabkan oleh protozoa obligat intraseluler dari genus
Plasmodium. Malaria pada manusia dapat disebabkan Plasmodium
Malarie, Plasmodium Vivax, Plasmodium Falcifarum, dan Plasmo-
dium Ovale. Penggunaan Sediaan darah tipis banyak digunakan
untuk mengetahui jenis dan fase dari parasit malaria tersebut, akan
tetapi sediaan darah yang banyak digunakan di Indonesia adalah se-
diaan darah tebal. Oleh karena itu dibutuhkan suatu metode yang
dapat melakukan identi�kasi parasit melalui citra sediaan darah te-
bal dengan akurasi tinggi. Tujuan dari penelitian ini yaitu untuk
mengintegrasikan metode ekstraksi �tur dan klasi�kasi citra parasit
malaria, sehingga dapat membantu seorang ahli dalam mendiag-
nosa jenis serta fase dari parasit malaria. Dari Hasil eksperimen
pada 227 citra sediaan darah tebal. Kelas malaria yang digunakan
untuk klasi�kasi adalah fase ring, plasmodium falcifarum fase ga-
metosit, plasmodium ovale fase thropozoit, plasmodium vivax fase
thropozoit, plasmodium malarie, dan bukan parasit. Didapat aku-
rasi 89.70588% untuk klasi�kasi citra dari 6 kelas tersebut dari 69
citra uji.
======================================================================================================
Malaria is an infectious disease of human by parasitic protozoans
belonging to the genus Plasmodium. malaria is caused by 4 species
of plasmodium, all of them are plasmodium falcifarum, plasmodium
vivax, plasmodium malarie, and plasmodium ovale.Thin blood �lm
is used to know type and phase of the malaria parasite, but which is
widely used in Indonesia is the thick blood �lm. Therefore we need
a method that can identify parasites in thick blood �lm image with
a high percentage of accuracy. This research aims to integrate two
methods of features extraction and classi�cation system so it can
assists medical personnel in diagnosing the type of malaria parasi-
te include its phase. Experiment was conducted on 227 thick blood
�lm images. malaria class that's used in this research is ring phase,
plasmodium falcifarum gametocyte phase, plasmodium ovale thro-
pozoite phase, plasmodium malarie thropozoite phase, plasmodium
vivax thropozoite phase, and not parasite image. overall accuration
of classi�cation is 89.70588% from 69 test images.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSE 006.3 Dut i |
| Uncontrolled Keywords: | image processing, feature extraction, neural network, classification. |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 20 Dec 2018 06:30 |
| Last Modified: | 20 Dec 2018 06:30 |
| URI: | http://repository.its.ac.id/id/eprint/60109 |
Actions (login required)
 |
View Item |