Dutono, Catra Adhyatmaka (2015) Identifikasi Malaria Menggunakan Backpropagation Artificial Neural Network pada Sediaan Darah Tebal. Undergraduate thesis, Institut Technology Sepuluh Nopember.
|
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: | https://repository.its.ac.id/id/eprint/60109 |
Actions (login required)
 |
View Item |
