Gede Yudha Wastu, Putra (2025) Deteksi plasmodium falciparum pada penyakit malaria menggunakan mikroskop digital berbasis machine learning. Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkes-surabaya.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (530kB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (4MB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (3MB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (4MB) |
|
Text
5. Abstrak.pdf Download (131kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (78kB) |
|
Text
7. Daftar Isi.pdf Download (136kB) |
|
Text
8. Daftar Tabel.pdf Download (86kB) |
|
Text
9. Daftar Gambar.pdf Download (33kB) |
|
Text
10. Daftar Singkatan dan Simbol.pdf Download (133kB) |
|
Text
11. Daftar Lampiran.pdf Download (30kB) |
|
Text
12. Bab 1.pdf Restricted to Repository staff only Download (97kB) |
|
Text
13. Bab 2.pdf Restricted to Repository staff only Download (598kB) |
|
Text
14. Bab 3.pdf Restricted to Repository staff only Download (256kB) |
|
Text
15. Bab 4.pdf Restricted to Repository staff only Download (541kB) |
|
Text
16. Bab 5.pdf Restricted to Repository staff only Download (193kB) |
|
Text
17. Bab 6.pdf Restricted to Repository staff only Download (17kB) |
|
Text
18. Daftar Pustaka.pdf Download (155kB) |
|
Text
19. Lampiran.pdf Restricted to Repository staff only Download (1MB) |
|
Text
20. Artikel.pdf Restricted to Repository staff only Download (666kB) |
Abstract
Klasifikasi mikro organisme dari gambar mikroskopis sangat penting dalam mikrobiologi klinis untuk diagnosis dan pengobatan yang cepat. Identifikasi manual memakan waktu dan menantang bagi para ahli biologi, sehingga diperlukan metode otomatis yang lebih efisien. Mikroskop digital untuk mendeteksi jenis bakteri diharapkan mampu meningkatkan efisiensi dan akurasi dalam diagnosis mikrobiologi. Penyakit Malaria, yang disebabkan oleh salah satu dari lima jenis parasitnya, Plasmodium Falciparum, adalah salah satu pemicu utama kematian di seluruh dunia. Oleh sebab itu, deteksi dan penanganan yang cepat merupakan kunci vital untuk mencegah komplikasi fatal.Penggunaan Machine Learning (ML) yang merupakan subbidang Artificial Intelligence (AI) dimana fokus pada pengembangan dan pembelajaran algoritma statistik yang dapat menganalisis data secara efektif serta menjadikan prediksi atau keputusan tanpa diprogram secara explisit pada mikroskop digital. Metode KNN adalah salah satu algoritma tertua dan paling mudah digunakan, juga akurat untuk model regresi dan klasifikasi pola. Dilakukannnya penelitian ini bertujuan untuk mengetahui kemampuan deteksi Plasmodium Falciparum pada penyakit malaria menggunakan mikroskop digital berbasis Machine Learning.Berdasarkan hasil analisis tersebut didapatkan bahwa Plasmodium Falciparum yang dideteksi menggunakan metode K-NN pada Mikroskop Digital Berbasis Machine Learning dapat memberikan hasil performa yang baik. Hasil evaluasi Pengujian dengan nilai Akurasi 99.56%, Sensitifitas 100.00% dan Spesifisitas 81.82%.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED I Dewa Gede Hari, Wisana nidn4002047501 UNSPECIFIED Triana, Rahmawati nidn4023068101 |
| Additional Information: | 11SKR20250043 |
| Uncontrolled Keywords: | Mikroskop Digital, Malaria, Plasmodium Falciparum, Machine Learning, Metode KNN |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Shirly Qurrota Ainy |
| Date Deposited: | 16 Apr 2026 04:50 |
| Last Modified: | 16 Apr 2026 04:50 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/11756 |
Actions (login required)
 |
View Item |