Perpustakaan Digital ITB

Penyakit demam berdarah dengue (DBD) merupakan salah satu penyakit pada negara tropis dan sub-tropis yang disebabkan oleh virus dengue yang penyebarannya ditularkan melalui gigitan nyamuk betina yang terinfeksi. Dua spesies nyamuk utama vektor pembawa virus dengue penyebab DBD adalah Ae. aegypti dan Ae. albopictus. Secara konvensional, identifikasi telur dari kedua vektor dilakukan di laboratorium dengan mengamati ciri morfologi yang hanya dapat diamati dengan baik menggunakan mikroskop elektron, sehingga memerlukan waktu yang lama dan profesional yang terlatih. Namun, sejauh ini penelitian terkait otomatisasi pada fase telur masih berfokus pada perhitungan jumlah telur, tanpa melakukan identifikasi berdasarkan citra digitalnya. Sebanyak 140 citra telur Ae. aegypti dan Ae. albopictus telah dikumpulkan dan divalidasi dengan melakukan pemeliharaan hingga menjadi nyamuk dewasa. Pemrosesan citra dan Elliptic Fourier Analysis digunakan untuk mengekstraksi dan mendeskripsikan perbedaan bentuk telur dari kedua spesies. Algoritma pembelajaran mesin kemudian digunakan untuk mengklasifikasi fitur bentuk yang telah dianalisis. Metode pemrosesan citra yang diajukan dapat mengekstraksi informasi fitur bentuk serta mengukur dimensi telur dari citra digitalnya. Hasil rekonstruksi kontur bentuk telur berdasarkan nilai principal component dan Multivariate Analysis of Variance (MANOVA) menunjukan bahwa terdapat perbedaan yang signifikan (p-value < 0,000) diantara telur kedua spesies pada bagian ujung posterior. Berdasarkan nilai Wilk’s lambda pada hasil MANOVA, klasifikasi dapat dapat dilakukan hanya dengan menggunakan 3 principal component pertama. Hasil klasifikasi didapatkan akurasi hingga 0,85 dan F1-score hingga 0,84 pada data uji menggunakan Analisis Diskriminan dengan hyperparameter bawaan. Sebagai alternatif, algoritma k-nearest neighbors dengan hyperparameter optimal menghasilkan hasil klasifikasi yang lebih baik dengan akurasi hingga 0,88 dan F1-score hingga 0,87. Algoritma yang dikembangkan mengonfirmasi bahwa hasil yang didapat sesuai dengan studi sebelumnya yang menyatakan bahwa kedua telur dari spesies ini berbeda pada bagian ujung posteriornya. Hasil klasifikasi yang didapat mengindikasikan bahwa algoritma yang dikembangkan dapat digunakan untuk mengidentifikasi kedua jenis telur berdasarkan parameter yang lebih sederhana dibandingkan metode konvensional. Algoritma ini dapat digunakan sebagai dasar pengembangan metode identifikasi telur berbasis citra digital dan pemantauan kedua vektor untuk pengambilan keputusan strategi pengendalian.