KLASIFIKASI PENYIMPANGAN TUMBUH KEMBANG ANAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN )

HAIRON, AHMAD (2020) KLASIFIKASI PENYIMPANGAN TUMBUH KEMBANG ANAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ). Skripsi thesis, Universitas Panca Marga Probolinggo.

Preview	Text COVER SKRIPSI AHMAD HAIRON.pdf Download (28kB) | Preview
	Text DAFTAR ISI AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (15kB)
Preview	Text ABSTRAK AHMAD HAIRON.pdf Download (10kB) | Preview
	Text BAB I AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (19kB)
	Text BAB II AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (455kB)
	Text BAB III AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (40kB)
	Text BAB IV AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (176kB)
	Text BAB V AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (12kB)
	Text DAFTAR PUSTAKA AHMAD HAIRON.pdf Restricted to perpustakaan UPM Download (8kB)

Abstract

Perkembangan pada anak usia dini sangat mempengaruhi kualitas dan kemampuan pribadi anak. Namun perkembangan setiap anak berbeda beda karena memiliki keunikan masing - masing. Dalam proses identifikasi untuk mengetahui penyimpangan tumbuh kembang anak selama ini hanya dapat dilakukan oleh tenaga medis khususnya Bidan. Untuk memudahkan para orang tua dalam mengetahui perkembangan anak Maka dibuatkan sistem terkomputerisasi dengan Ilmu Machine Learning Metode Convolutional Neural Network (CNN). Metode Convolutional Neural Network mampu menangani masalah klasifikasi tumbuh kembang anak, dengan harapan penelitian yang dilakukan dengan menggunakan metode Convolutional Neural Network ini dapat membantu mendampingi tumbuh kembang anak. Metode pengumpulan data yang digunakan dalam pembuatan aplikasi adalah penyebaran kuesioner pertanyaan ke Sekolah Luar Biasa (SLB) di kabupaten probolinggo. Dalam pembuatan aplikasi menggunakan bahasa pemrograman Python dengan percobaan menghasilkan tingkat akurasi klasifikasi penyimpangan tumbuh kembang anak mencapai 98.8 %.

Actions (login required)

View Item