Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency
Malaria adalah penyakit mematikan yang menjadi masalah di berbagai negara. Metode yang paling umum untuk mendeteksi malaria adalah dengan memeriksanya secara manual, yang memakan waktu. Convolutional Neural Network (CNN) adalah salah satu solusi untuk deteksi malaria. CNN telah terbukti memberikan h...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Muhammadiyah Purwokerto
2020-05-01
|
| Series: | Jurnal Informatika |
| Subjects: | |
| Online Access: | http://jurnalnasional.ump.ac.id/index.php/JUITA/article/view/6671 |
| _version_ | 1819080725875392512 |
|---|---|
| author | Yohannes Yohannes Siska Devella Kelvin Arianto |
| author_facet | Yohannes Yohannes Siska Devella Kelvin Arianto |
| author_sort | Yohannes Yohannes |
| collection | DOAJ |
| description | Malaria adalah penyakit mematikan yang menjadi masalah di berbagai negara. Metode yang paling umum untuk mendeteksi malaria adalah dengan memeriksanya secara manual, yang memakan waktu. Convolutional Neural Network (CNN) adalah salah satu solusi untuk deteksi malaria. CNN telah terbukti memberikan hasil yang sangat baik dalam klasifikasi gambar dan telah banyak digunakan dalam penelitian sebelumnya dan memiliki hasil yang baik. Sebelum proses klasifikasi, pra-pemrosesan gambar dapat digunakan untuk mendapatkan hasil klasifikasi yang lebih baik. Salah satu metode dalam pra-pemrosesan adalah arti-penting. Saliency adalah metode yang dapat mengambil bagian penting dari suatu gambar. Pada penelitian ini dilakukanlah pengujian terhadap metode saliency dan CNN untuk masalah pendeteksian penyakit malaria. Skenario pengujian dilakukan dengan membandingkan metode saliency, yaitu Region Contrast Saliency, Frequency-tuned saliency, Spectral Residual, dan Histogram Contrast. Metode saliency terbaik dalam mendeteksi penyakit malaria didapatkan oleh metode frequency-tuned saliency dengan akurasi sebesar 90,32% dibandingkan dengan metode saliency yang lain, yaitu 62,67% untuk region contrast saliency, 50% untuk spectral residual saliency, dan 79,06% untuk histogram contrast saliency.
Kata-kata kunci: Klasifikasi; CNN; Malaria; Saliency |
| first_indexed | 2024-12-21T19:49:27Z |
| format | Article |
| id | doaj.art-7b2a9b8ee5504e509cd15d5e3a15ea90 |
| institution | Directory Open Access Journal |
| issn | 2086-9398 2579-8901 |
| language | Indonesian |
| last_indexed | 2024-12-21T19:49:27Z |
| publishDate | 2020-05-01 |
| publisher | Universitas Muhammadiyah Purwokerto |
| record_format | Article |
| series | Jurnal Informatika |
| spelling | doaj.art-7b2a9b8ee5504e509cd15d5e3a15ea902022-12-21T18:52:14ZindUniversitas Muhammadiyah PurwokertoJurnal Informatika2086-93982579-89012020-05-0181374410.30595/juita.v8i1.66713056Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis SaliencyYohannes Yohannes0Siska Devella1Kelvin Arianto2STMIK Global Informatika MDPSTMIK Global Informatika MDPSTMIK Global Informatika MDPMalaria adalah penyakit mematikan yang menjadi masalah di berbagai negara. Metode yang paling umum untuk mendeteksi malaria adalah dengan memeriksanya secara manual, yang memakan waktu. Convolutional Neural Network (CNN) adalah salah satu solusi untuk deteksi malaria. CNN telah terbukti memberikan hasil yang sangat baik dalam klasifikasi gambar dan telah banyak digunakan dalam penelitian sebelumnya dan memiliki hasil yang baik. Sebelum proses klasifikasi, pra-pemrosesan gambar dapat digunakan untuk mendapatkan hasil klasifikasi yang lebih baik. Salah satu metode dalam pra-pemrosesan adalah arti-penting. Saliency adalah metode yang dapat mengambil bagian penting dari suatu gambar. Pada penelitian ini dilakukanlah pengujian terhadap metode saliency dan CNN untuk masalah pendeteksian penyakit malaria. Skenario pengujian dilakukan dengan membandingkan metode saliency, yaitu Region Contrast Saliency, Frequency-tuned saliency, Spectral Residual, dan Histogram Contrast. Metode saliency terbaik dalam mendeteksi penyakit malaria didapatkan oleh metode frequency-tuned saliency dengan akurasi sebesar 90,32% dibandingkan dengan metode saliency yang lain, yaitu 62,67% untuk region contrast saliency, 50% untuk spectral residual saliency, dan 79,06% untuk histogram contrast saliency. Kata-kata kunci: Klasifikasi; CNN; Malaria; Saliencyhttp://jurnalnasional.ump.ac.id/index.php/JUITA/article/view/6671klasifikasi, cnn, malaria, saliency |
| spellingShingle | Yohannes Yohannes Siska Devella Kelvin Arianto Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency Jurnal Informatika klasifikasi, cnn, malaria, saliency |
| title | Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency |
| title_full | Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency |
| title_fullStr | Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency |
| title_full_unstemmed | Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency |
| title_short | Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency |
| title_sort | deteksi penyakit malaria menggunakan convolutional neural network berbasis saliency |
| topic | klasifikasi, cnn, malaria, saliency |
| url | http://jurnalnasional.ump.ac.id/index.php/JUITA/article/view/6671 |
| work_keys_str_mv | AT yohannesyohannes deteksipenyakitmalariamenggunakanconvolutionalneuralnetworkberbasissaliency AT siskadevella deteksipenyakitmalariamenggunakanconvolutionalneuralnetworkberbasissaliency AT kelvinarianto deteksipenyakitmalariamenggunakanconvolutionalneuralnetworkberbasissaliency |