Deteksi Parasit Malaria Melalui Pendekatan Deteksi Objek Menggunakan Faster R-CNN pada Citra Apusan Darah

Abstract

Malaria adalah penyakit yang masih menjadi masalah kesehatan yang signifikan di Indonesia terutama di wilayah terpencil, seperti Papua, Maluku Utara, dan Nusa Tenggara Timur. Penelitian ini bertujuan untuk mengetahui implementasi dan membandingan kinerja model Faster R-CNN Inception Resnet-V2 dan Faster R-CNN Resnet-50 dalam mengidentifikasi dan mendeteksi parasit malaria berdasarkan pendekatan deteksi objek. Namun, Evaluasi awal menunjukkan bahwa nilai mAP tidak meningkat signifikan, dengan mAP sebesar 0,15 untuk Inception ResNet V2 dan 0,17 untuk ResNet-50. Oleh karena itu, penelitian ini menggunakan dua fase pelatihan untuk meningkatkan akurasi deteksi dengan menyederhanakan label-label. Sehingga, hasil akhir penelitian ini menunjukkan bahwa dalam menggunakan metode Faster R-CNN Resnet-50 nilai mAP lebih tinggi dibandingkan dengan Faster R-CNN Inception Resnet-V2, yaitu sebesar 83%. Penelitian ini diharapkan dapat membantu meningkatkan diagnosa malaria dan mendukung pengendalian penyakit di daerah yang terkena dampak parah..