Identifikasi Malaria Menggunakan Backpropagation Artificial Neural Network pada Sediaan Darah Tebal

Dutono, Catra Adhyatmaka (2015) Identifikasi Malaria Menggunakan Backpropagation Artificial Neural Network pada Sediaan Darah Tebal. Undergraduate thesis, Institut Technology Sepuluh Nopember.

[img]
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 > (S1) Undergraduate Theses
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 View Item