WULANDARI, NOVELINDA PERMATA (2021) ANALISA PERBANDINGAN ALGORITMA CNN DAN MLP DALAM MENDETEKSI PENYAKIT COVID-19 PADA CITRA X-RAY PARU. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (857kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 Bab 1.pdf Restricted to Registered users only Download (115kB) |
|
|
Text (BAB II)
03 Bab 2.pdf Restricted to Registered users only Download (157kB) |
|
|
Text (BAB III)
04 Bab 3.pdf Restricted to Registered users only Download (89kB) |
|
|
Text (BAB IV)
05 Bab 4.pdf Restricted to Registered users only Download (34kB) |
|
|
Text (BAB V)
06 Bab 5.pdf Restricted to Registered users only Download (231kB) |
|
|
Text (DAFTAR PUSTAKA)
07 Daftar Pustaka.pdf Restricted to Registered users only Download (78kB) |
|
|
Text (LAMPIRAN)
08 Lampiran.pdf Restricted to Registered users only Download (192kB) |
Abstract
In March 2020 the WHO (World Health Organization) declared COVID-19 as a global pandemic. To control the spread of COVID-19, an early and accurate diagnosis is needed. Currently, the gold standard in the diagnosis of COVID-19 is based on Reverse Transcripttion Polymerase Chain Reaction (RT-PCR), which takes directly from patient samples. To deal with this problem, alternative diagnostic methods are needed, such as processing and analyzing medical images. The purpose of this study is to make an alternative diagnosis using lung image data to be able to classify which lungs are affected by COVID-19 and which lungs are healthy. The method used in classifying image data is the deep learning approach. In this case, the study will compare the CNN and MLP algorithms to see which of the two produces the better results. The results shows that CNN is better with an accuracy of 98.38% compared to MLP with an accuracy of 92.29%. This is because the CNN Algorithm has more layers than MLP Algorithm, and the CNN Algorithm can work well on spatial data. Key words: Covid-19, X-Ray Image, Convolutional Neural Network, Multilayer Perceptron Pada bulan Maret 2020 organisasi kesehatan dunia atau WHO (World Health Organization) menyatakan bahwa COVID-19 sebagai pandemi global. Untuk mengendalikan penyebaran COVID-19 ini dibutuhkan diagnosis secara dini dan akurat. Saat ini, standar emas dalam diagnosis COVID-19 didasarkan pada Reverse Transcripttion Polymerase Chain Reaction (RT-PCR) yakni mengambil dari sample pasien secara langsung. Dalam menangani masalah yang ada dibutuhkan metode diagnostic alternative, seperti melakukan pengolahan dan analisis dari pencitraan medis. Tujuan dari penelitian ini adalah untuk melakukan diagnosis alternatif menggunakan data citra paru untuk dapat mengklasifikasi mana paru yang terkena COVID-19 dan mana paru yang sehat. Metode yang digunakan dalam mengklasifikasi data citra adalah dengan pendekatan Deep Learning. Pada kasus ini, penelitian akan melakukan perbandingan algoritma CNN dan MLP untuk dapat melihat mana dari keduanya yang menghasilkan hasil yang lebih baik. Hasil yang didapat menunjukkan bahwa CNN lebih unggul dengan akurasi sebesar 98,38% dibandingkan dengan MLP dengan akurasi sebesar 92,29%. Hal ini dikarena Algoritma CNN memiliki lebih banyak lapisan dibandingkan dengan MLP, serta Algoritma CNN dapat bekerja dengan baik pada data spasial. Kata kunci: Covid-19, Citra X-Ray, Convolutional Neural Network, Multilayer Perceptron
Actions (login required)
 |
View Item |
