Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- d84927e2-3da7-428c-80d9-b7642945d3c2
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro, melalui partisipasi Anisa, Izza; Purwanto; Guruh Fajar Shidik; dan Catur Supriyanto, melaksanakan penelitian mengenai optimasi Convolutional Neural Networks untuk klasifikasi sel penyakit malaria. Kegiatan ini membahas malaria sebagai tantangan kesehatan global yang signifikan dan berfokus pada deteksi dini serta akurat untuk pengobatan dan pengendalian yang efektif.
Penelitian menerapkan Particle Swarm Optimization untuk mengoptimalkan Convolutional Neural Network dalam klasifikasi malaria menggunakan citra mikroskopi. Particle Swarm Optimization digunakan untuk mengembangkan arsitektur jaringan secara otomatis, termasuk konfigurasi lapisan dan ukuran filter, serta hiperparameter dropout dan learning rate. Eksperimen menggunakan dataset Malaria dari National Library of Medicine yang bersumber dari Kaggle. Dataset tersebut berisi citra apusan darah yang dikumpulkan dari 201 pasien dan diklasifikasikan ke dalam kelompok terinfeksi malaria dan tidak terinfeksi sebagai dasar untuk pelatihan dan evaluasi model.
Dataset dibagi ke dalam bagian pelatihan, validasi, dan pengujian untuk mendukung penilaian model. Hasil eksperimen melaporkan bahwa Convolutional Neural Network berbasis Particle Swarm Optimization mengungguli Convolutional Neural Network yang disetel secara manual, dengan kinerja dan keandalan yang lebih baik. Metode yang diusulkan mencapai akurasi 99,40% dan disampaikan sebagai solusi yang menjanjikan untuk deteksi malaria melalui analisis citra medis secara otomatis. Temuan tersebut menunjukkan bahwa integrasi Particle Swarm Optimization dengan Convolutional Neural Networks dapat berkontribusi pada kemajuan sistem layanan kesehatan otomatis. Sumber tidak memberikan informasi tentang penerapan di luar eksperimen yang dijelaskan. Kegiatan ini dibingkai secara kelembagaan sebagai penelitian UDINUS mengenai riset kesehatan dan deteksi malaria otomatis.