MUTHMAINNAH Primary Author mixed material bibliography Banda Aceh Fakultas Teknik (S1) 2025

Skripsi

ABSTRAK Malaria merupakan penyakit menular yang disebabkan oleh parasit Plasmodium dan ditularkan melalui gigitan nyamuk Anopheles betina. Diagnosis malaria secara mikroskopis masih menjadi metode utama, namun memerlukan waktu dan keahlian khusus karena risiko kesalahan dalam identifikasi parasit yang sangat kecil. Untuk mengatasi keterbatasan tersebut, penelitian ini mengusulkan pengembangan sistem deteksi malaria otomatis dari citra mikroskopik darah menggunakan model Convolutional Neural Network (CNN) dengan tiga arsitektur berbeda, yaitu EfficientNet, ResNet, dan MobileNet. Model yang telah dilatih kemudian diintegrasikan ke dalam perangkat Edge AI, yaitu Nvidia Jetson Orin Nano, dan divisualisasikan menggunakan Streamlit. Hasil evaluasi menunjukkan bahwa arsitektur ResNet-34 memberikan performa terbaik, dengan akurasi sebesar 93%, recall 92%, presisi 94%, spesifisitas 94%, dan skor F1 sebesar 93%. Sistem ini memungkinkan deteksi malaria secara cepat, akurat, dan real-time pada perangkat komputasi tepi. Video demonstrasi dari sistem yang dikembangkan dapat diakses melalui tautan berikut: https://youtu.be/5_YULMHdXJY Kata Kunci: Malaria, Deep Learning, Edge AI, Streamlit. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159993 2025-07-11 08:52:37 2025-07-11 10:25:08 machine generated