Klasifikasi Malaria Menggunakan Citra Sel Darah Merah Dengan Algoritma Convolutional Neural Network

Malaria merupakan infeksi penyakit yang ditularkan oleh gigitan nyamuk melalui protozoa parasit. Deteksi penyakit ini menggunakan pengambilan sampel sel darah merah dengan menghitung seberapa tinggi jumlah parasit di dalam sel darah merah. Penelitian untuk klasifikasi malaria telah banyak dilakukan, algoritma yang paling banyak digunakan yaitu Convolutional Neural Network (CNN). CNN merupakan algoritma Neural Network (NN) yang lazim digunakan untuk pengolahan citra. CNN mempunyai beberapa arsitektur, salah satunya adalah DenseNet, yang diusulkan dalam penelitian ini dikarenakan mampu menaikkan akurasi dari penelitian sebelumnya. Penelitian sebelumnya dengan dataset yang sama memilih arsitektur ResNet, GoogleNet, dan VGGNet untuk klasifikasi dan menghasilkan kisaran akurasi 90% - 96%, sedangkan penelitian terbaru menggunakan metode MM-Resnet menghasilkan akurasi 98%. Penelitian ini menggunakan dataset yang sama dengan penelitian sebelumnya yaitu dataset umum berupa citra sel darah merah yang terinfeksi dan tidak terinfeksi malaria. Eksperimen yang dilakukan menggunakan metode yang berbeda yaitu dengan melakukan pre-prosessing citra sel darah merah dengan cara resize gambar, augmentasi gambar, dan reduksi fitur gambar menggunakan metode Pricipal Component Analysis (PCA), hasil dari fitur reduksi tersebut selanjutnya diklasifikasikan menggunakan metode CNN. Arsitektur DenseNet menunjukkan akurasi terbaik yaitu 98,30%.