Prediksi Malaria Menggunakan Metode Pre-Trained Model Algoritma EfficientNet-B0 dan MobileNet-V2

Abstract

Malaria merupakan penyakit mematikan yang penularannya terjadi melalui gigitan nyamuk Plasmodium. Berdasarkan laporan WHO tahun 2021 di Asia Tenggara angka kematian diakibatkan malaria menurun sebesar 40% kecuali di Indonesia kurang dari 25%. Tingginya tingkat kematian akibat malaria di Indonesia salah satunya disebabkan karena faktor kompetensi tenaga medis; keterlambatan penanganan, kesalahan diagnosis dan kesalahan terapi. Selain observasi langsung, pengujian menggunakan Mikroskop dan Rapid Diagnostic Test (RDT) dapat digunakan untuk mendeteksi malaria. Namun kedua metode ini membutuhkan kompetensi yang baik untuk menyimpukan hasil pengujian. Alternatif solusi yang diajukan pada penelitian ini yaitu mendeteksi malaria menggunakan bantuan algoritma.  Penelitian ini dilakukan untuk menguji prediksi malaria menggunakan pre-trained models dari algoritma EfficientNet-B0 dan MobileNet-V2. Hasil penelitian menyimpulkan bahwa dengan menggunakan pre-trained models, algoritma EfficientNet-B0 dan MobileNet-V2 dapat digunakan untuk prediksi malaria. Algoritma terbaik pada penelitian ini yaitu MobileNet-V2 dengan rata-rata skor akurasi sebesar 97,27%, rata-rata F1-score sebesar 97,29% dan skor sanity check sebesar 100%, skor kesalahan tipe 1 sebesar 1,74% dan kesalahan tipe 2 sebesar 0,89% dari 5512 sel darah yang diuji.