Deteksi Penyakit Schistosomiasis Melalui Identifikasi Telur Cacing Pada Feses Manusia Menggunakan Probabilistic Neural Network (PNN)

Detection of Schistosomiasis Through The Worm Egg Existing Identification in The Human Feces Using The Neural Probability Network (PNN)

  • windy rusma astuti jurusan matematika fakultas mipa universitas tadulako
  • Hayani Anastasia
  • R Ratianingsih
  • J. W. Puspitaa
  • samarang samarang
Keywords: Schitosomiasis, metode Principal Component Analysis (PCA), metode Linear Discriminant Analysis (LDA), Probabilistic Neural Network (PNN)

Abstract

Abstract

Schistosomiasis is a zoonotic disease caused by a blood worm in the Trematode class of the genus Schistosoma that lives in a vein. This disease is one of the oldest and most important diseases in the world. In Indonesia, Schistosomiasis is caused by Schistosoma Japonicum Sp. This study focused on the detection of Schistosomiasis disease through identification of worm eggs found in human feces. Based on the result of the observations of the Schistosomiasis Laboratory in Kaduwaa and Dodolo Villages in North Lore Subdistrict, Poso Regency it was found the worm eggs of other species in feces of resident in Kaduwaa and Dodolo villages, namely Ascaris Lumbricoides worm eggs and Ancylostoma Duodenale worm eggs. Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) methods are used to extract the egg image for the identification process, while Probabilistic Neural Network (PNN) methods were used to classify the species of the egg. The identification results are influenced by image capture techniques, image cutting techniques, the pixel size in the image, smoothing parameter values, and the number of sample images that used to train and test the data. The average accuracy of worm egg images identification using PNN is 98% with using the value of smoothing parameters 0,2. This result also shows that the Probabilistic Neural Network (PNN) method could be applied to identify the image of worm eggs found in human feces.

 Abstrak

Schistosomiasis merupakan penyakit zoonosis yang disebabkan oleh cacing darah kelas Trematoda dari genus Schistosoma yang tinggal dalam pembuluh darah vena. Penyakit ini merupakan salah satu penyakit tertua dan paling penting di dunia. Di Indonesia, Schistosomiasis disebabkan oleh cacing Schistosoma Japonicum Sp. Penelitian ini berfokus pada deteksi penyakit Schistosomiasis melalui identifikasi telur cacing yang terdapat pada feses manusia. Hasil observasi di Laboratorium Schistosomiasis desa Kaduwaa dan Desa Dodolo Kecamatan Lore Utara Kabupaten Poso memperlihatkan ditemukannya pula telur cacing dari spesies lain pada feses masyarakat desa Kaduwaa dan Desa Dodolo, yaitu telur cacing Ascaris Lumbricoides dan Ancylostoma Duodenale. Metode Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA) digunakan untuk ekstraksi citra telur dalam proses identifikasi, sementara metode Probabilistic Neural Network (PNN) digunakan untuk klasifikasi spesies telur. Hasil identifikasi dipengaruhi oleh teknik pengambilann citra, teknik pemotongan citra, besarnya piksel pada citra, nilai smoothing parameter, serta jumlah citra sampel yang digunakan untuk data pelatihan dan pengujian. Akurasi rata-rata identifikasi citra telur cacing menggunakan PNN tertinggi yaitu  dengan menggunakan nilai smoothing parameter . Hal ini menunjukkan bahwa metode Probabilistic Neural Network (PNN) dapat diterapkan untuk identifikasi citra telur cacing yang terdapat pada feses manusia.

References

Rosmini, Soeyoko, S S. Penularan Schistosomiasis Di Desa Dodolo Dan Mekarsari Dataran Tinggi Napu Sulawesi Tengah. Media Litbang Kesehatan. 2010;2(3).

D N, S K. Penyakit Oleh Trematoda Darah. Parasitologi Kedokteran Ditinjau Dari Organ Tubuh Yang Deserang. Jakarta: Penerbit Buku Kedokteran EGC; 2009.

Balai Penelitian Dan Pengembangan Pengembangan Pengendalian Penyakit Bersumber Binatang Donggala. Pedoman Pengendalian Schistosomiasis. Labuan: Balai Penelitian Dan Pengembangan Pengembangan Pengendalian Penyakit Bersumber Binatang Donggala;2013.

Visia V, Warouw S, Wilar R, Rampengan N. Gambaran Penyakit Schistosomiasis Ditinjau Dari Jarak Antara Rumah Anak Yang Terinfeksi Dengan Danau Lindu. Manado, Universitas Sam Ratulangi; 2013.

Dinas Kesehatan Provinsi Sulawesi Tengah. Profil Kesehatan Provinsi Sulawesi Tengah Tahun 2013. Palu: Dinas Kesehatan Provinsi Sulawesi Tengah;2013.

Dinas Kesehatan Provinsi Sulawesi Tengah. Laporan Schistosomiasis Sulawesi Tengah 2015. Palu: Dinas Kesehatan Provinsi Sulawesi Tengah;2015.

Rasyika N, Rau MJ, Lisdayanthi A. Analisis Faktor Resiko Kejadian Schistosomiasis Di Desa Puroo Kecamatan Lindu Kabupaten Sigi Tahun 2014. Palu: Fakultas Kedokteran Dan Ilmu Kesehatan, Universitas Tadulako; 2016.

Singh NA, Kumar MB, Bala MC. Face Recognition System Based On Surf And Lda Technique. International Journal Of Intelligent System and Applications. 2016;8(2).

Nurwidayati A. Aplikasi Teknik Diagnosis Schistosomiasis Berbasis Molekuler. Jurnal Vektor Penyakit. 2015;9(1):29-35.

Tchinda BS, Tchiotsop D, Tchinda R. Automatic Recognition of Human Parasite Cysts on Microscopic Stools Images using Principal Component Analysis and Probabilistic Neural Network. International Journal of Advanced Research in Artificial Intelligence. 2015;4(9):26-33.

Sutoyo T, Edy M, Vincent S, Oky DN, Wijanarto. Teori Pengolahan Citra. Yogyakarta; 2009.

Yusman SJ, Purwanti I. Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis Dan K Nearst Neighbor. Universitas Haluoleo;2017.

Fandiansyah, Jayanti, Yusmah S, Ika PN. Pengenalan Wajah Menggunakan Motode Linear Discriminant Analysis (LDA) dan K Nearest Neighbor. Kendari: Fakultas Teknik, Universitas Halu; 2017.

Kadir, Abdul, Edi L, Susanto A, Insap P. Performance Improvement Of Leaf Identification System Usingprincipal Component Analysis. Yogyakarta: Universitas Gadjah Mada;2012.

Kusumadewi S. Klasifikasi Pola Menggunakan Probabilistic Neural Network. Paper presented at: Seminar Nasional Aplikasi Teknologi 2014.

Santhanam T, Radhika S. Probabilistic Neural Network – A Better Solution For Noise Classification. Journal Of Theoretical and Applied Information Technology. 2011;27(1):39-42.

Yang YS, Park DK, Kim HC, Choi M, Chai J. Automatic identification of human helminthes eggs on microscopic fecal specimens using digital image processing and an artificial neural network. IEEE Transactions on Biomedical Engineering. 2001;48(6):718-730.

Avci D, Varol A. An expert diagnosis system for classification of human parasite eggs based on multi- class SVM. Expert Systems with Applications. 2009;36(1):43-48.

Dogantekin E, Yilmaz M, Dogantekin A, Avci E, Sengur A. Arobust technique based on invariant moments—ANFIS for recognition of human parasite eggs in microscopic images. Expert Systems with Applications. 2008;35(3):728-738.

Published
2020-06-02
How to Cite
astuti, windy, Anastasia, H., Ratianingsih, R., Puspitaa, J. W., & samarang, samarang. (2020). Deteksi Penyakit Schistosomiasis Melalui Identifikasi Telur Cacing Pada Feses Manusia Menggunakan Probabilistic Neural Network (PNN). Jurnal Vektor Penyakit, 14(1), 49-56. https://doi.org/10.22435/vektorp.v14i1.2013
Section
Articles