<![CDATA[Malaria adalah penyakit serius yang disebabkan oleh parasit Plasmodium dan ditularkan melalui gigitan nyamuk Anopheles, dengan jutaan kasus terjadi setiap tahun dan dampak besar di negara berkembang. Diagnosis yang cepat dan akurat sangat penting untuk pengendalian penyakit ini, namun metode konvensional seperti mikroskopi dan tes diagnostik cepat memiliki keterbatasan, termasuk ketergantungan pada tenaga ahli serta biaya yang tinggi. Penelitian ini memanfaatkan Convolutional Neural Network (CNN) berbasis arsitektur VGG-16 yang dioptimalkan menggunakan pendekatan transfer learning untuk mendeteksi malaria pada citra sel darah merah. Teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan dalam tahap pemrosesan gambar guna meningkatkan kualitas citra sebelum dilakukan klasifikasi. Hasil penelitian menunjukkan bahwa penerapan CLAHE mampu menghasilkan akurasi tertinggi sebesar 96% dengan meningkatkan kontras gambar tanpa menambah noise secara signifikan, sehingga pola penting pada citra menjadi lebih mudah dikenali. Pendekatan ini membuktikan bahwa kombinasi VGG-16 dan CLAHE efektif dalam mendukung diagnosis malaria dengan cepat dan akurat, serta berpotensi memperkuat upaya pengendalian penyakit ini.]]>
Copyrights © 2025
