IMPLEMENTASI YOLO V3 MENGGUNAKAN FITUR EKSTRAKTOR RESNEXT UNTUK DETEKSI FILARIASIS

Syahreza Aswir, Erzal and Wasilah, Wasilah (2024) IMPLEMENTASI YOLO V3 MENGGUNAKAN FITUR EKSTRAKTOR RESNEXT UNTUK DETEKSI FILARIASIS. IMPLEMENTASI YOLO V3 MENGGUNAKAN FITUR EKSTRAKTOR RESNEXT UNTUK DETEKSI FILARIASIS, 5 (2). pp. 1-11. ISSN 2774-3403

	Text Cover.pdf Download (3MB)
	Text Pernyataan.pdf Download (2MB)
	Text Pengesahan.pdf Download (5MB)
	Text Upload Daftar Isi.pdf Download (11kB)
	Text Jurnal Erzal Syahreza Aswir.pdf Download (971kB)
	Text LOA-006-2024.pdf Download (148kB)
	Text ceck - plagiat.pdf.pdf Download (752kB)

Abstract

Filariasis merupakan penyakit menular yang serius di banyak negara tropis dan subtropis, termasuk Indonesia, yang disebabkan oleh infeksi cacing filaria yang ditularkan melalui gigitan nyamuk. Penyakit ini dapat menyebabkan pembengkakan parah pada anggota tubuh (elephantiasis) dan kecacatan permanen jika tidak ditangani dengan cepat. Deteksi dini Filariasis penting untuk mencegah perkembangan penyakit yang serius, mengurangi penularan, serta mengurangi biaya jangka panjang dalam penanganannya. Pengendalian vektor nyamuk dan pengobatan massal dengan obat anti-parasit merupakan strategi pencegahan utama, sementara penelitian terbaru mengeksplorasi metode deteksi berbasis kecerdasan buatan (AI) seperti Convolutional Neural Network (CNN), Faster R-CNN, K-Nearest Neighbors (KNN), SSD, dan YOLO untuk meningkatkan efisiensi dalam diagnosis Filariasis. Penelitian ini bertujuan mengintegrasikan algoritma YOLOv3 dan ResNeXt dalam model deteksi Filariasis, dengan harapan menghasilkan pendekatan yang cepat, akurat, dan efisien dalam mengidentifikasi penyakit ini. Dengan demikian, teknologi AI berpotensi mendukung upaya pemberantasan Filariasis melalui deteksi dini yang lebih efektif dan akurat. implementasi algoritma YOLOv3 dengan fitur ekstraktor ResNext dalam proses deteksi objek menunjukkan kinerja yang sangat baik, dengan rata-rata akurasi mencapai 96,77%. Hal ini mengindikasikan bahwa model deteksi objek tersebut dapat diandalkan dan cocok untuk digunakan dalam sistem yang memerlukan deteksi objek yang akurat terlebih dalam berbagai jenis anomaly dan gambar medis.

Item Type:	Article
Subjects:	Ilmu Komputer eBooks
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Erzal Syahreza Aswir
Date Deposited:	01 Nov 2024 01:42
Last Modified:	01 Nov 2024 01:42
URI:	http://repo.darmajaya.ac.id/id/eprint/18775

Actions (login required)

View Item