NONA ZARIMA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2022

Skripsi

Salah satu penyakit menular yang menyebabkan jumlah kematian terbesar di dunia disebabkan oleh penyakit malaria. Jumlah kasus malaria setiap tahunnya yang dilaporkan sebanyak 240 juta kasus. Gejala yang dirasakan jika terkena penyakit ini muncul 10-15 hari setelah parasit masuk ke dalam tubuh. Jika tidak ditangani secara medis, penyakit ini menjadi kronis yang berujung pada kematian. Saat ini untuk mendiagnosis penyakit malaria dilakukan secara visual menggunakan mikroskop dalam melakukan pendeteksian sel darah merah yang terjangkit parasit. Hal ini membutuhkan proses yang panjang dan dapat berujung kepada diagnosis yang terlambat dan salah. Berdasarkan masalah tersebut, diperlukan sebuah sistem yang dapat melakukan klasifikasi penyakit malaria dengan cepat. Sehingga pada penelitian ini, dirancang sebuah sistem yang dapat melakukan pengklasifikasian penyakit malaria melalui pembelajaran mendalam (deep learning) menggunakan citra apusan darah dengan memanfaatkan teknik ekstraksi fitur menggunakan fitur tekstur Local Binary Pattern (LBP). Dalam penelitian ini untuk mendapatkan model deep learning yang prediktif dan akurasi yang tinggi dilakukan pengevaluasian model terhadap arsitektur ResNet34, VGG16, InceptionV3, dan EfficientNetB4. Dari Penelitian yang dilakukan, hasil pengujian menunjukkan bahwa kinerja klasifikasi penyakit malaria dengan menggunakan metode LBP memiliki tingkat akurasi yang baik dengan menggunakan arsitektur EfficienNetB4 memperoleh persentase akurasi sebesar 91%, dengan arsitektur VGG16 memperoleh akurasi sebesar 87%, dengan arsitektur ResNet34 sebesar 81%, dan arsitektur InceptionV3 sebesar 77%. Kata kunci: Klasifikasi penyakit malaria, Deep learning, Fitur tekstur, Local Binary Pattern 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 100817 2022-06-20 12:57:46 2022-06-20 16:14:05 machine generated