Identifikasi Stadium Plasmodium Ovale Penyebab Penyakit Malaria dari Apusan Darah Tipis dengan Sistem Berbantuan Komputer

Abstract

Malaria merupakan penyakit yang ditularkan dari gigitan nyamuk Anopheles betina infektif yang menghisap darah manusia. Pada tahun 2016 World Health Organization (WHO) melaporkan terdapat 216 juta kasus di dunia dan tercatat 445.000 jiwa diantaranya meninggal. Parasit yang menyebabkan penyakit malaria adalah parasit dari genus Plasmodium yang terdiri dari empat jenis, yaitu: Plasmodium malaria, Plasmodium falciparum, Plasmodium vivax, dan Plasmodium ovale. Setiap jenis parasit tersebut akan melewati tiga stadium dalam hidupnya, yang terdiri dari stadium tropozoit, skizon dan gametosit. Masing-masing dari jenis dan stadium parasit memiliki gejala dan ketahanan yang berbeda-beda terhadap obat. Oleh karena itu, dibutuhkan diagnosis yang tepat untuk dapat mengidentifikasinya. World Health Organization (WHO) menyarankan untuk menggunakan metode yang disebut pengujian diagnosis berbasis parasit, contohnya adalah analisis mikroskopis. Namun, metode ini membutuhkan ahli mikroskopis yang berpengalaman dan berkompetensi. Diagnosis (CAD) dapat dilakukan untuk mendeteksi dini penyakit malaria. CAD merupakan sistem yang digunakan untuk membantu menginterpretasikan citra medis dalam waktu singkat dan meningkatkan hasil akurasi diagnosis. Pada penelitian ini dilakukan cara untuk mengidentifikasi Plasmodium ovale dengan metode thresholding dan mengklasifikasikan parasit plasmodium berdasarkan stadiumnya. Citra dari hasil akuisisi dilakukan ROI dengan cropping manual yang berukuran 200 x 200 piksel sebagai tahap preprocessing. Dari 30 citra parasit Plasmodium ovale terdapat tiga jenis stadium yang terdiri dari 20 citra tropozoit, 6 citra skizon, dan 4 citra gametosit. Fitur yang digunakan adalah fitur bentuk, ukuran dan tekstur. Pengelompokan dilakukan dengan metode J48 dan “cross validation” berjumlah 10 folds. Dari proses tersebut diperoleh nilai akurasi 63,3333% dengan total 19 citra tepat, 11 citra tidak tepat. Dari hasil akurasi tersebut dapat dilakukan pengelompokan perbandingan citra yang tepat atau tidak tepat dengan data berupa grafik.