KLASIFIKASI CITRA SEL DARAH MERAH TERINFEKSI MALARIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Malaria merupakan salah satu penyakit infeksi menular yang hingga saat ini masih mengancam kehidupan manusia. Morbiditas malaria jika dilihat berdasarkan provinsi menunjukan wilayah Indonesia Bagian Timur merupakan daerah dengan Annual Parasite Incidence (API) tertinggi, yaitu Papua, Papua Barat, NTT dan Maluku. Hal inilah yang menjadi perhatian untuk terus adanya upaya pengendalian dan eliminasi malaria di wilayah endemis tinggi malaria tersebut. Oleh sebab itu, untuk menjawab bagaimana memberikan inovasi di bidang teknologi dalam upaya mempercepat eliminasi malaria, penelitian ini bertujuan untuk mengklasifikasi dataset berupa gambar sel darah merah terinfeksi malaria sebagai salah satu cara untuk proses diagnosis menggunakan Deep Learning dengan algoritma Convolutional Neural Network (CNN) yang diberi perbaikan pada usulan model baru yang digunakan. Hasil yang diperoleh dalam penelitian menunjukan keberhasilan penggunaan model usulan dipengaruhi oleh tahap pra pemrosesan serta fungsi dropout regularization yang digunakan. Nilai akurasi diperoleh sebesar 0.9901 atau 99.01%, presisi 0.9889, recall 0.9901 dan F1 score sebesar 0.9894. Akan tetapi proses inferensi dalam hal ini menguji jaringan pembelajaran dengan mengumpankan gambar sel darah merah yang benar-benar baru diluar set data yang digunakan belum diterapkan sehingga menjadi keterbatasan dalam penelitian dan usulan bagi pengembangan kedepan