PEMODELAN SISTEM UNTUK IDENTIFIKASI STADIUM PLASMODIUM FALCIPARUM PADA CITRA MIKROSKOPIS MALARIA DENGAN TEKNIK OBJECT COUNTING

Khairul Hafidh(1), Fauzan Asrin(2),


(1) Program Studi Informatika, Fakultas Teknik, Universitas Tanjungpura
(2) Program Studi Informatika, Fakultas Teknik, Universitas Tanjungpura
Corresponding Author

Abstract


Di Indonesia, malaria masih menjadi salah satu isu khsusunya di wilayah timur Indonesia. Dalam diagnosis  penyakit, kesalahan pemeriksaan dapat berakibat serius. Tatalaksana dalam  Pendeteksian awal penyakit malaria diagnosis malaria yang masih bergantung pada ahli medis serta kembali lagi ke  kualitas alat dalam tata laksana tersebut. Experience dan expertisedari ahli mempengaruhi hasil pemeriksaan. Beberapa penelitian telah melibatkan pengembangan metode pengolahan citra untuk melakukan identifikasi otomatis terhadap parasit malaria. Penelitian ini bertujuan membuat sistem menggunakan metode pengolahan citra dengan cara mengidentifikasi sel darah merah yang terinfeksi dan stadium dari parasit malaria Plasmodium falciparum. Pada penelitian ini, nilai threshold ditentukan dengan ruang warna HSV untuk digunakan pada tahap segmentasi. Proses identifikasi  dilakukan dengan Object Counting didapatkan nilai akurasi 81,8%

References


World Health Organization, “Plasmodium falciparum merupakan jenis tertinggi diatas Plasmodium vivax,” Geneva, 2019.

Rosnelly R. dkk, “Identifikasi Stadium Plasmodium Vivax Untuk Penegakan Diagnosis Penyakit Malaria,” 2021.

Annas Prasetio, Rika Rosnelly, and Wanayumini, “Identification of Malaria Parasite Patterns With Gray Level Co-Occurance Matrix Algorithm (GLCM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 3, pp. 359–369, 2022, doi: 10.29207/resti.v6i3.3850.

A. W. Setiawan et al., “Deteksi Malaria Berbasis Segmentasi Warna Citra Dan Pembelajaran Mesin Malaria Detection Using Color Image Segmentation and Machine Learning,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 4, pp. 769–776, 2021, doi: 10.25126/jtiik.202184377.

Khairul Haifdh, “Permodelan Sistem Analisis Dipstik Urinalisis Menggunakan Kamera Smartphone.” Thesis, 2019.

J. Gatc and F. Maspiyanti, “Prediksi Parasit Plasmodium pada Citra Mikroskopis Sel Darah Merahdengan Convolutional Neural Networks,” J. Buana Inform., vol. 13, no. 1, pp. 31–41, 2022, [Online]. Available: https://ojs.uajy.ac.id/index.php/jbi/article/view/5007%0Ahttps://ojs.uajy.ac.id/index.php/jbi/article/view/5007/2603.

N. Resita, “Identifikasi Bentuk Tropozoit Untuk Menentukan Jenis Parasit Penderita Malaria Yang Datang Berobat Di Puskesmas Perawatan Lawe Sumur Kota Cane Aceh Tenggara,” J. Explor., pp. 25–26, 2019, [Online]. Available: http://repository.uma.ac.id/bitstream/123456789/11444/1/158700052 - Nana Rasita - Fulltext.pdf.

2013 Azhar susanto, “IJIS Indonesian Journal on Information System ISSN 2548-6438,” IJIS-Indonesia J. Inf. Syst., vol. 4, no. April, pp. 69–76, 2019.

World Health Organization, “Plasmodium falciparum merupakan jenis tertinggi diatas Plasmodium vivax,” Geneva, 2019.

G. E. Sukendar, D. S. S. Rejeki, and D. Anandari, “Studi Endemisitas dan Epidemiologi Deskriptif Malaria di Kabupaten Purbalingga Tahun 2010-2019,” J. Epidemiol. Kesehat. Indones., vol. 5, no. 1, pp. 27–34, 2021, doi: 10.7454/epidkes.v5i1.4625.

A. F. Zakiyyah and M. Kusno, “Identifikasi Infeksi Penyakit Malaria Berdasarkan Citra Darah Menggunakan Convolutional Neural Network,” JSTIE (Jurnal Sarj. Tek. Inform., vol. 10, no. 2, p. 76, 2022, doi: 10.12928/jstie.v10i2.22598.

R. Suppa and A. Suppa Supratman, “Analisis Plasmodium Malaria dalam Sel Darah Merah (Eritrosit) melalui Segmentasi Warna dan Deteksi Tepi Sobel,” J. EduMatSains, vol. 3, no. 2, pp. 185–198, 2019.

Rosnelly R. dkk, “Identifikasi Stadium Plasmodium Vivax Untuk Penegakan Diagnosis Penyakit Malaria,” 2021.

P. J. J. Sadukh, J. V. I. Sambuaga, and B. Bongakaraeng, “Studi Spasial Kejadian Malaria Serta Pengaruh Kepadatan Plasmodium sp. Terhadap Anemia Dan Trombositopniapada Penderita Malaria Di Kabupaten Kepulauan Talaud,” J. Kesehat. Lingkung., vol. 10, no. 1, pp. 33–44, 2020, doi: 10.47718/jkl.v10i1.1125.

Annas Prasetio, Rika Rosnelly, and Wanayumini, “Identification of Malaria Parasite Patterns With Gray Level Co-Occurance Matrix Algorithm (GLCM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 3, pp. 359–369, 2022, doi: 10.29207/resti.v6i3.3850.

A. W. Setiawan et al., “Deteksi Malaria Berbasis Segmentasi Warna Citra Dan Pembelajaran Mesin Malaria Detection Using Color Image Segmentation and Machine Learning,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 4, pp. 769–776, 2021, doi: 10.25126/jtiik.202184377.

Khairul Haifdh, “Permodelan Sistem Analisis Dipstik Urinalisis Menggunakan Kamera Smartphone.” Thesis, 2019.

R. Rosnelly, L. Wahyuni, and E. Aditya, “Pelatihan Pengenalan Teknik Pengolahan Citra Digital Pada Bidang Medis Training Introduction to Digital Image Processing Techniques In The Medical Field,” JUDIMAS J. Inov. Pengabdi. Kpd. Masy., vol. 3, no. 1, pp. 11–19, 2022, [Online]. Available: https://stmikpontianak.ac.id/ojs/index.php/judimas/article/view/1282.

N. Resita, “Identifikasi Bentuk Tropozoit Untuk Menentukan Jenis Parasit Penderita Malaria Yang Datang Berobat Di Puskesmas Perawatan Lawe Sumur Kota Cane Aceh Tenggara,” J. Explor., pp. 25–26, 2019, [Online]. Available: http://repository.uma.ac.id/bitstream/123456789/11444/1/158700052 - Nana Rasita - Fulltext.pdf.

Y. Amrozi, D. Yuliati, A. Susilo, N. Novianto, and R. Ramadhan, “Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 11, no. 3, pp. 394–399, 2022, doi: 10.32736/sisfokom.v11i3.1502.

M. Hamid, M. D. Suratin, and A. A. H. Usman, “DETEKSI SEL MALARIA PADA SEDIAAN APUS DARAH BERDASARKAN FITUR MORFOLOGI DAN TEKSTUR MENGGUNAKAN JARINGAN BACKPROPAGATION,” IJIS-Indonesia J. Inf. Syst., vol. 6, no. 1, pp. 37–46, 2021.

N. Huda, S. Y. Prayogi, M. A. Ahmad, and A. Y. Dewi, “Klasifikasi Malaria Menggunakan Metode Image Processing Dari Sel Darah Merah Dengan Algoritma Convolutional Neural Network,” JOINS (Journal Inf. Syst., vol. 7, no. 2, pp. 166–177, 2022, doi: 10.33633/joins.v7i2.7068.

G. V. Nivaan, “Klasifikasi Citra Sel Darah Merah Terinfeksi Malaria Menggunakan Convolutional Neural Network (Cnn),” 2021.


Full Text: PDF (Bahasa Indonesia)

Article Metrics

Abstract View : 348 times
PDF (Bahasa Indonesia) Download : 214 times

Refbacks

  • There are currently no refbacks.