RICKO FERDIANSYAH (2024) KLASIFIKASI MALARIA STADIUM SCHIZONT DENGAN MACHINE LEARNING MENGGUNAKAN FITUR COOCURANCE MATRIX DAN HU MOMENT. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (28MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (239kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (34kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (168kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (651kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (29MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (59kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (130kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (165kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (528kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (31MB)

Abstract

Malaria adalah penyakit yang mengancam jiwa, disebabkan oleh parasit yang ditularkan ke manusia melalui gigitan nyamuk Anopheles betina yang terinfeksi. Pada tahun 2019, diperkirakan terdapat 229 juta kasus malaria di seluruh dunia dan jumlah kematian mencapai 409.000. Daerah yang paling sering terjangkit penyakit malaria menurut WHO ada pada wilayah Afrika. Penyakit malaria dapat di deteksi sebelumnya dengan menggunakan informasi yang ada pada data pasien dan menerapkan teknik RT-PCR. penelitian ini membantu tenaga medis mendiaknosa adanya penyakit malaria pada tahapan schizont. Penelitian ini menggunakan sistem klasifikasi penyakit malaria menggunakan metode ekstraksi Gray Level Co-Occurrence Matrix (GLCM) dan Hu Moment dengan menggunakan klasifikasi Neural Network pada 3 kelas penyakit malaria yaitu PFS (Plasmodium Falcifarum SKizont), PVS (Plasmodium Vivax Skizont), dan PMS (Plasmodium Malariae Skizont). Sistem klasifikasi menggunakan 3 model terbaik pada setiap metode. Hasil terbaik diperoleh dengan metode klasifikasi multi-layer persepton menggunakan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM) pada 3 model dengan akurasi yang diperoleh dari masing-masing akurasi: akurasi train 98.8%, akurasi Validation 100%, dan akurasi testing 100%.

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: Keywords: malaria, Gray Level Co-Occurrence Matrix (GLCM), Zernike Moment, Neural Network
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Aidilla Qurotianti
Date Deposited: 30 Jan 2024 07:46
Last Modified: 30 Jan 2024 07:46
URI: https://etd.umy.ac.id/id/eprint/43910

Actions (login required)

View Item View Item