Detail Cantuman

Perhitungan nilai index parasit malaria merupakan salah satu cara yang dilakukan oleh dokter dalam melakukan penegakan diagnosis penyakit malaria pada pasien. Perhitungan dilakukan dengan menghitung jumlah eritrosit yang terinfeksi oleh plasmodium yang dibagi dengan jumlah eritrosit yang ditemukan pada preparat sediaan darah tipis pasien. Hal tersebut dilakukan secara manual oleh dokter dan merupakan kegiatan yang menghabiskan waktu banyak. Salah satu solusi yang dapat digunakan untuk permasalahan tersebut adalah penggunaan deep learning object detection. Deep learning object detection merupakan suatu algoritma yang dapat digunakan untuk mendeteksi objek apapun sesuai dataset yang dimiliki. Salah satu metode object detection adalah RetinaNet yang tersusun atas jaringan backend model CNN ResNet yang dapat digunakan untuk melakukan perhitungan indeks parasit malaria berdasarkan citra preparat sediaan darah tipis. Berdasarkan pengujian yang telah dilakukan pada penelitian ini, model RetinaNet dengan backend ResNet50 menunjukan nilai rata-rata precision 0,90, recall 0,78, dan accuracy 0,71 dalam menentukan objek eritrosit. Kemudian RetinaNet dengan backend ResNet101 menunjukan nilai rata-rata precision sebesar 0,94, recall 0,74, dan accuracy 0,73 dalam menentukan objek eritrosit.