Septinia, Indriani (2015) KLASIFIKASI PARASIT MALARIA PLASMODIUM VIVAX MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION. S1 thesis, Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
KLASIFIKASI PARASIT MALARIA PLASMODIUM VIVAX.pdf - Published Version Restricted to Registered users only until 2015. Download (7MB) |
Abstract
World Health Organization (WHO) states that malaria is one of serious global disease, malaria attack a half of the world population. Some of developing country have a difficult problem to identifying malaria parasite because an expensive cost and lack of diagnostic expert. Therefore it’s required an efficient alternative method of diagnosis. This research aims to classify the image of vivax plasmodium parasite that contain of malaria parasite. 90 of the image is clssified according to the phases of the plasmodium development, there are 89 image of training and 1 image on testing, the phase of malaria named Trophozoite, Schizonts, and Gametocyte. The feature extraction that used as the input is Mean, Standard Deviation, Kurtosis, Skewness dan Entropy from the color histogram, grayscale histogram, and level saturation histogram. The parameters of classification using 2 of hidden layer and 1 output layer. The first hidden layer using 8 of neurons, second hidden layer using 5 of neurons, and 3 neurons for output layer. Then the process of classification vivax plasmodium parasite was carried out using the Backpropagation from Neural Network. The results of accuracy from each phase is 86.7% for Trophozoite, 83.3% for Schizonts, and 80% for Gametocyte, with a total of 83.3% accuracy. A sensitivity of trophozoite stage is 0.7, schizonts 0.714, and gametocyte 0,727. Specificity of the trophozoite stage is 0.075, schizonts 0.09, and gametocyte 0.1, with 83.3% of effectiveness system. Keyword: vivax malaria, neural network, feature extraction, mean, standard deviasi, kurtosis, skewness, entropy, histogram.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | World Health Organization (WHO) menyatakan bahwa malaria merupakan salah satu penyakit yang menjadi permasalahan global di dunia yang menyerang setengah dari populasi dunia. Kesulitan dalam mengidentifikasi malaria merupakan permasalahan bagi negara berkembang karena biaya yang mahal dan kurangnya tenaga ahli pada bidang diagnosis. Oleh karena itu diperlukan metode diagnosis alternatif yang efisien. Penelitian ini bertujuan untuk mengklasifikasi parasit plasmodium vivax pada citra preparat darah yang terindikasi mengandung parasit malaria. Citra berjumlah 90 lalu dikelaskan sesuai dengan fase perkembangan plasmodiumnya, 89 citra pada pelatihan dan 1 citra pada pengujian, fase dari malaria tersebut yaitu Trophozoite, Schizonts, dan Gametocyte. Ekstrasi fitur yang digunakan sebagai inputnya menggunakan rata- rata (Mean), simpangan baku (Standard Deviation), keruncingan (Kurtosis), kemencengan (Skewness), dan nilai keteracakan (Entropy) dari histogram warna, histogram grayscale dan histogram tingkat saturasi. Parameter-parameter yang digunakan untuk klasifikasi menggunakan arsitektur jaringan syaraf tiruan backpropagation dengan 2 hidden layer dan 1 output layer. Hidden layer 1 berjumlah 8 neuron, hidden layer 2 berjumlah 5 neuron, lapisan output berjumlah 3 neuron. Selanjutnya dilakukan proses klasifikasi parasit plasmodium vivax menggunakan jaringan syaraf tiruan Backpropagation. Hasil keakurasian dari tiap fase plasmodium vivax adalah Trophozoite 86.7%, Schizonts 83.3%, dan Gametocyte 80%, dengan akurasi total sebesar 83.3%. Sensitifitas untuk fase trophozoite adalah 0.7, schizonts 0.714, dan gametocyte 0.727, sedangkan untuk spesifisitas dari fase trophozoite adalah 0.075, schizonts 0.09, dan gametocyte 0.1 dengan efektifitas sistem sebesar 83.3%. Kata kunci : malaria vivax, neural network, ekstrasi fitur, mean, standar deviasi, kurtosis, skewness, entropy, histogram grayscale. | |||||||||
| Uncontrolled Keywords: | Kata kunci : malaria vivax, neural network, ekstrasi fitur, mean, standar deviasi, kurtosis, skewness, entropy, histogram grayscale. Keyword: vivax malaria, neural network, feature extraction, mean, standard deviasi, kurtosis, skewness, entropy, histogram. | |||||||||
| Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering |
|||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
| Depositing User: | Perpustakaan Pusat | |||||||||
| Date Deposited: | 03 Dec 2021 14:02 | |||||||||
| Last Modified: | 03 Dec 2021 14:02 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/9378 |
Actions (login required)
 |
View Item |