Pendeteksian Penyakit Malaria Menggunakan Medical Images Analisis Dengan Deep Learning Python

Zein, Afrizal

doi:10.37277/stch.v29i1.319

Cited by 5 publications

(4 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…1 Virus ini dapat menyerang siapa saja, baik balita, anak-anak, orang dewasa, orang tua, ibu hamil, maupun ibu yang sedang menyusui. 2 Menurut data resmi yang diliris oleh World Health Organization (WHO), 1.056.157 kasus dikonfirmasi di seluruh dunia pada 4 April 2020, menyebakan kematian 57.130 orang (5.5% dan kasus yang dikonfirmasi). Situasi semakin memburuk, mencapai 13 juta kasus di dunia dan sekitar 600.000 kematian (sekitar 4.5% kasus).…”

Section: Pendahuluanunclassified

Faktor Risiko Kejadian COVID-19 di Rumah Sakit Umum Daerah (RSUD) Andi Djemma Masamba

Fitriani,

Fatmah Afrianty Gobel,

Mansur Sididi

et al. 2023

woph

View full text Add to dashboard Cite

Coronavirus adalah keluarga besar virus yang menyebabkan penyakit mulai dari gejala ringan sampai berat. Pada tangggal 4 april 2020, WHO melaporkan jumlah kasus terkonfirmasi positif COVID-19 sebanyak 1.056.157 orang dengan jumlah kematian 57.130 orang. Tujuan penelitian ini secara umum yaitu untuk mengetahui faktor risiko kejadian COVID-19 di Rumah Sakit Umum Daerah (RSUD) Andi Djemma Masamba Tahun 2021. Jenis penelitian kualitatif dengan metode Case Control Study. Rancangan penelitian ini dilakukan dengan terlebih dahulu mengidentifikasi kelompkok kasus (penderita COVID-19) kemudian dilihat secara retrospektif ada atau tidaknya faktor risiko yang diduga berperan. Sampel dalam penelitian ini adalah sebesar 352 responden. Dari perhitungan leweshow dengan perbandingan 1:3 yang terdiri dari jumlah kasus sebanyak 88 orang dan kontrol sebanyak 264 orang. Ada ini dianalisis dalam analisis univariat, analisis bivariat dengan uji kolerasi chi-square. Hasil penelitian ini menunjukkan bahwa usia merupakan fakor protektif kejadian COVID-19 di RSUD Andi Djemma Masamba (OR=0.614; 95%CI=0.312-1.210), jenis kelamin merupakan fakor protektif kejadian COVID-19 di RSUD Andi Djemma Masamba (OR=0.463; 95%CI=0.282-0.760), gejala klinis merupakan fakor protektif kejadian COVID-19 di RSUD Andi Djemma Masamba (OR=0.020; 95%CI=0.119-0.808), dan komornid yang merupakan fakor protektif kejadian COVID-19 di RSUD Andi Djemma Masamba (OR=0.945; 95% CI=0.553-1.616). Kesimpulan dari penelitian ini menunjukkan bahwa faktor usia, jenis kelamin, gejala klinis dan penyakit penyerta (komorbid) merupakan faktor protektif terhadap kejadian COVID-19. Sebagai saran dalam penelitian ini diharapkan bagi masyarakat yang memiliki komorbid diharapkan dapat mengendalikan komorbidnya mengingat komorbid merupakan salah satu faktor yang dapat memperparah kejadian COVID-19.

show abstract

Section: Pendahuluanunclassified

Faktor Risiko Kejadian COVID-19 di Rumah Sakit Umum Daerah (RSUD) Andi Djemma Masamba

Fitriani,

Fatmah Afrianty Gobel,

Mansur Sididi

et al. 2023

woph

View full text Add to dashboard Cite

show abstract

“…Hasil pengujian diperoleh akurasi dan sensitivitas masing-masing sebesar 92,4% dan 95,2%. Zein melakukan penelitian terkait deteksi penyakit malaria menggunakan citra medis dengan arsitektur CNN ResNet, diperoleh akurasi pengujian sebesar 97% (Zein, 2019). Dalam laporan penelitiannya, tidak ditemukan informasi terkait kedalam hidden layer Resnet dan jumlah data latih/uji yang digunakan.…”

Section: Pendahuluanunclassified

Deteksi Parasit Plasmodium pada Citra Mikroskopis Hapusan Darah dengan Metode Deep Learning

et al. 2021

View full text Add to dashboard Cite

ABSTRAKParasit plasmodium merupakan makhluk protozoa bersel satu yang menjadi penyebab penyakit malaria. Plasmodium ini dibawa melalui gigitan nyamuk anopheles betina. Dalam World Malaria Report 2015 menyatakan bahwa malaria telah menyerang sedikit 106 negara di dunia. Di Indonesia sendiri, Papua, NTT dan Maluku merupakan wilayah dengan kasus positif malaria tertinggi. Malaria telah menjadi masalah yang serius, sehingga keberadaan sistem diagnosa otomatis yang cepat dan handal sangat diperlukan untuk proses perlambatan penyeberan dan pembasmian epidemi. Dalam penelitian ini akan dirancang sistem yang mampu mendeteksi parasit malaria pada citra mikroskopis darah menggunakan arsitekur Convolutional Neural Network (CNN) sederhana. Hasil pengujian menunjukkan bahwa metode yang diusulkan memberikan presisi dan recall sebesar 0,98 dan f1-score sebesar 0,96 serta akurasi 95,83%.Kata kunci: parasit, malaria, convolutional neural network, citra mikroskopis ABSTRACTPlasmodium parasites are single-celled protozoan creatures that cause malaria. Plasmodium is carried through the bite of a female Anopheles mosquito. The World Malaria Report 2015 states that malaria has attacked at least 106 countries in the world. In Indonesia itself, Papua, NTT and Maluku are the regions with the highest positive cases of malaria. Malaria has become a serious problem, so the existence of a fast and reliable automatic diagnosis system is indispensable for the process of slowing down the spread and eliminating the epidemic. In this study, a system capable of detecting malaria parasites in microscopic images of blood will be designed using a simple Convolutional Neural Network (CNN) architecture. The test results show that the proposed method provides precision and recall of 0,98, f1-values of 0.96 and accuracy of 95,83%.Keywords: parasites, malaria, convolutional neural network, microscopic image

show abstract

“…Deep Learning yaitu sebuah pembelajaran lebih dalam pada bidang machine learning yang memungkinkan model komputasi yang terdiri dari beberapa lapisan pemrosesan untuk melakukan representasi pada data dengan tingkat abstraksi. Metode menggunakan deep learning secara dramatis memperbaiki state of the art dalam pengenalan objek visual, pengenalan suara, deteksi objek dan banyak lainnya [14].…”

Section: Deep Learningunclassified

“…Fungsi dari deep learning yang utama adalah digunakan untuk mengekstraksi pola yaitu feature engineering yang berguna untuk mengekstraksi pola dari data untuk memudahkan model dalam membedakan kelas [14].…”

Section: Deep Learningunclassified

Aplikasi Mobile Deteksi Penyakit Demodekosis Pada Anjing Menggunakan Metode Convolutional Neural Network

Wijaya¹,

Khrisne²,

Jasa³

2021

SPEKTRUM

View full text Add to dashboard Cite

Demodex is a skin disease in dogs caused by the protozoan mite Demodexfollicularumvar canis or Demodex canis. These mites are found in the hair roots and sometimesin the glands, almost the entire life cycle of this type of mite is on the skin, if it lasts for a longtime it can cause death in dogs that are infested by these lice This study aims to detectdemodicosis in dogs with a mobile application using a convolutional neural network methodwith a squeezenet architecture model with radam optimization. This application works by takingpictures directly through the cellphone camera then processing it with a trained model then theoutput of this application displays the probability value of the dog being indicated as demodexor not. Based on the results of testing using the black box testing method, the overallfunctionality of the application has been declared successful in accordance with its respectivefunctions and objectives. From the results of validation data testing using 60 validation data,based on the accuracy demodecosis detection application is able to recognize validation datacorrectly as many as 45 data and 15 data has not been properly recognized, so that theaccuracy value is 75% and the f1-score value is 0,595.

show abstract

Pendeteksian Penyakit Malaria Menggunakan Medical Images Analisis Dengan Deep Learning Python

Cited by 5 publications

References 0 publications

Faktor Risiko Kejadian COVID-19 di Rumah Sakit Umum Daerah (RSUD) Andi Djemma Masamba

Faktor Risiko Kejadian COVID-19 di Rumah Sakit Umum Daerah (RSUD) Andi Djemma Masamba

Deteksi Parasit Plasmodium pada Citra Mikroskopis Hapusan Darah dengan Metode Deep Learning

Aplikasi Mobile Deteksi Penyakit Demodekosis Pada Anjing Menggunakan Metode Convolutional Neural Network

Contact Info

Product

Resources

About