DETEKSI ANOMALI CITRA APUSAN DARAH TIPIS MALARIA MENGGUNAKAN CONVOLUTIONAL AUTOENCODER

Anardha, Danuar Aditya (2025) DETEKSI ANOMALI CITRA APUSAN DARAH TIPIS MALARIA MENGGUNAKAN CONVOLUTIONAL AUTOENCODER. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2113020083.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020083_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020083_0719068702_0707079001_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (613kB)
	Text (BAB 2) RAMA_55201_2113020083_0719068702_0707079001_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (519kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020083_0719068702_0707079001_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020083_0719068702_0707079001_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (451kB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020083_0719068702_0707079001_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (138kB) | Request a copy
	Text (References) RAMA_55201_2113020083_0719068702_0707079001_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (175kB)
	Text (Lampiran) RAMA_55201_2113020083_0719068702_0707079001_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy

Abstract

Penelitian ini mengeksplorasi penggunaan convolutional autoencoder dalam kerangka semi-supervised untuk mendeteksi sel darah merah yang terinfeksi malaria, dengan pelatihan terbatas pada citra sel normal guna mempelajari karakteristik struktural alaminya. Deteksi anomali dilakukan berdasarkan selisih rekonstruksi yang dinilai menggunakan Structural Similarity Index Measure (SSIM), dengan threshold optimal ditentukan melalui analisis ROC dan Youden’s J. Empat konfigurasi diuji untuk mengevaluasi pengaruh parameter pelatihan: konfigurasi dasar (100 epoch, batch size 32, grayscale), peningkatan epoch menjadi 200, pembesaran batch size menjadi 64, dan penggunaan citra RGB alih-alih grayscale. Hasil menunjukkan performa terbaik pada skenario dengan batch size lebih besar (F1-score 87,91%, recall 90,46%), sementara penggunaan citra RGB justru menurunkan performa (F1-score 87,01%). Secara keseluruhan, akurasi model berkisar antara 86,60% hingga 87,56%, dengan waktu pelatihan antara 5 hingga 15 menit. Temuan ini mengindikasikan potensi pembelajaran representasi tak-terawasi dalam deteksi malaria, sekaligus menyoroti perlunya peningkatan sensitivitas dan robustnes melalui teknik ekstraksi fitur yang lebih mendalam serta pendekatan hybrid supervised-unsupervised.

Actions (login required)

View Item