KLASIFIKASI SEL DARAH MERAH TERINFEKSI PARASIT MALARIA MENGGUNAKAN GRAY-LEVEL CO-OCCURRENCE MATRIX DAN EXTREME LEARNING MACHINE

Abstract

Sel darah merah manusia dapat digunakan untuk mengetahui seseorang terinfeksi malaria. Selama ini teknologi untuk mengetahui seseorang terindikasi malaria masih dibutuhkan tenaga medis sehingga memerlukan waktu cukup lama. Sementara itu salah satu algoritma Jaringan Saraf Tiruan (JST), yaitu Extreme Learning Machine (ELM) dapat digunakan untuk menyelesaikan masalah tersebut dengan menggunakan input berupa citra sel darah merah. ELM dipilih karena memiliki kecepatan pembelajaran yang cepat. Metode ekstraksi fitur yang digunakan adalah Gray Level Co-Occurance Matrix (GLCM) untuk mengetahui ciri tekstur sel darah merah yang terinfeksi atau tidak. Pada penelitian ini digunakan dataset National Library of Medicine (NLM) yang terdiri dari 2 kelas sel darah merah, infected dan uninfected. Setelah dilakukan eksperimen diperoleh rata-rata accuracy sebesar 99,56%, sensitivity 99,56%, dan specificity 99,57% pada pengujian menggunakan ELM dengan fungsi aktivasi tribas (Triangular Basis Function). Kata kunci : ELM, Gray-Level Co-Occurrence Matrix, Jaringan Saraf Tiruan, Malaria, NLM.