Abstract

Malaria adalah penyakit mematikan yang menjadi masalah di berbagai negara. Metode yang paling umum untuk mendeteksi malaria adalah dengan memeriksanya secara manual, yang memakan waktu. Convolutional Neural Network (CNN) adalah salah satu solusi untuk deteksi malaria. CNN telah terbukti memberikan hasil yang sangat baik dalam klasifikasi gambar dan telah banyak digunakan dalam penelitian sebelumnya dan memiliki hasil yang baik. Sebelum proses klasifikasi, pra-pemrosesan gambar dapat digunakan untuk mendapatkan hasil klasifikasi yang lebih baik. Salah satu metode dalam pra-pemrosesan adalah arti-penting. Saliency adalah metode yang dapat mengambil bagian penting dari suatu gambar. Pada penelitian ini dilakukanlah pengujian terhadap metode saliency dan CNN untuk masalah pendeteksian penyakit malaria. Skenario pengujian dilakukan dengan membandingkan metode saliency, yaitu Region Contrast Saliency, Frequency-tuned saliency, Spectral Residual, dan Histogram Contrast. Metode saliency terbaik dalam mendeteksi penyakit malaria didapatkan oleh metode frequency-tuned saliency dengan akurasi sebesar 90,32% dibandingkan dengan metode saliency yang lain, yaitu 62,67% untuk region contrast saliency, 50% untuk spectral residual saliency, dan 79,06% untuk histogram contrast saliency.