| dc.description.abstract | Malaria merupakan penyakit yang ditularkan dari gigitan nyamuk Anopheles betina
infektif yang menghisap darah manusia. Pada tahun 2016 World Health Organization (WHO)
melaporkan terdapat 216 juta kasus di dunia dan tercatat 445.000 jiwa diantaranya meninggal.
Parasit yang menyebabkan penyakit malaria adalah parasit dari genus Plasmodium yang terdiri
dari empat jenis, yaitu Plasmodium malaria, Plasmodium falciparum, Plasmodium vivax, dan
Plasmodium ovale. Untuk melakukan diagnosis penyakit malaria, World Health Organization
(WHO) telah menyarankan sebuah metode yang disebut pengujian diagnosis berbasis parasit,
contohnya adalah analisis mikroskopis. Namun, metode ini membutuhkan ahli mikroskopis
yang berpengalaman dan berkompetensi agar tidak menyebabkan keterlambatan dalam
menangani pasien. Oleh karena itu, dibutuhkan Computer Aided Diagnosis (CAD) untuk dapat
melakukan deteksi dini pada penyakit malaria. CAD merupakan sebuah sistem untuk
membantu menginterpretasikan citra medis dalam waktu singkat dan meningkatkan hasil
akurasi diagnosis. Pada penelitian ini dilakukan ROI dengan cropping manual untuk 31 citra
dengan ukuran 200 x 200 piksel sebagai tahap preprocessing. Setelah itu, data dilakukan
segmentasi dengan metode thresholding untuk mengidentifikasi parasit Plasmodium ovale.
Kemudian, dilanjutkan dengan ekstraksi dan seleksi fitur bentuk, ukuran dan tekstur untuk
mengklasifikasikan citra berdasarkan stadiumnya. Dari 12 atribut hasil seleksi fitur yang
digunakan untuk 12 citra pada tahap pengujian sistem klasifikasi dengan metode multi class
SVM menghasilkan nilai akurasi sebesar 83,3333%. | en_US |
