Deteksi Parasit Malaria Menggunakan Metode Gray Level Co-Occurance Matrix (GLCM)

Authors : Ahmad Arsyad Surgi Mukti; Fitri Bimantoro; Ghina Briliana Fatin Octariana; Krisna Dian Sukmana
article cite 0 Year 2024
source: Seminar Nasional Teknologi & Sains
Abstract

Malaria adalah salah satu penyakit menular paling mematikan di dunia. Deteksi dini malaria sangat penting untuk mencegah penyebaran penyakit ini. Tradisionalnya, deteksi malaria dilakukan dengan pemeriksaan mikroskopis darah. Namun, metode ini membutuhkan waktu dan usaha yang relatif lama. Dalam penelitian ini, deteksi parasit malaria dilakukan menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Metode GLCM digunakan untuk mengekstraksi fitur tekstur dari gambar sel darah merah yang terinfeksi malaria. Fitur tekstur ini kemudian digunakan untuk melatih model klasifikasi. Hasil penelitian menunjukkan bahwa metode GLCM dapat digunakan untuk mendeteksi parasit malaria dengan akurasi 89%. Studi ini menyarankan bahwa metode GLCM memiliki potensi sebagai metode deteksi malaria yang lebih cepat dan akurat.


Concepts :
Digital Imaging for Blood Diseases
Data Mining and Machine Learning Applications
Dengue and Mosquito Control Research
article cite 0 Year 2024 source Seminar Nasional Teknologi & Sains
SDGs
Good health and well-being
Citations by Year
YearCount
2024 0