Malaria merupakan salah satu penyakit infeksi menular yang hingga saat ini
masih mengancam kehidupan manusia. Morbiditas malaria jika dilihat berdasarkan
provinsi menunjukan wilayah Indonesia Bagian Timur merupakan daerah dengan
Annual Parasite Incidence (API) tertinggi, yaitu Papua, Papua Barat, NTT dan
Maluku. Hal inilah yang menjadi perhatian untuk terus adanya upaya pengendalian
dan eliminasi malaria di wilayah endemis tinggi malaria tersebut.
Oleh sebab itu, untuk menjawab bagaimana memberikan inovasi di bidang
teknologi dalam upaya mempercepat eliminasi malaria, penelitian ini bertujuan untuk
mengklasifikasi dataset berupa gambar sel darah merah terinfeksi malaria sebagai
salah satu cara untuk proses diagnosis menggunakan Deep Learning dengan
algoritma Convolutional Neural Network (CNN) yang diberi perbaikan pada usulan
model baru yang digunakan.
Hasil yang diperoleh dalam penelitian menunjukan keberhasilan penggunaan
model usulan dipengaruhi oleh tahap pra pemrosesan serta fungsi dropout
regularization yang digunakan. Nilai akurasi diperoleh sebesar 0.9901 atau 99.01%,
presisi 0.9889, recall 0.9901 dan F1 score sebesar 0.9894. Akan tetapi proses
inferensi dalam hal ini menguji jaringan pembelajaran dengan mengumpankan
gambar sel darah merah yang benar-benar baru diluar set data yang digunakan belum
diterapkan sehingga menjadi keterbatasan dalam penelitian dan usulan bagi
pengembangan kedepan.