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.

[img]
Preview
Text
COVER SKRIPSI AHMAD HAIRON.pdf

Download (28kB) | Preview
[img] Text
DAFTAR ISI AHMAD HAIRON.pdf
Restricted to perpustakaan UPM

Download (15kB)
[img]
Preview
Text
ABSTRAK AHMAD HAIRON.pdf

Download (10kB) | Preview
[img] Text
BAB I AHMAD HAIRON.pdf
Restricted to perpustakaan UPM

Download (19kB)
[img] Text
BAB II AHMAD HAIRON.pdf
Restricted to perpustakaan UPM

Download (455kB)
[img] Text
BAB III AHMAD HAIRON.pdf
Restricted to perpustakaan UPM

Download (40kB)
[img] Text
BAB IV AHMAD HAIRON.pdf
Restricted to perpustakaan UPM

Download (176kB)
[img] Text
BAB V AHMAD HAIRON.pdf
Restricted to perpustakaan UPM

Download (12kB)
[img] 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 %.

Item Type: Thesis ( Skripsi)
Uncontrolled Keywords: bidan, Machine Learning, CNN, akurasi, slb
Subjects: Fakultas Teknik
Divisions: Teknik Elektro
Depositing User: Admin Perpustakaan
Date Deposited: 06 May 2021 04:44
Last Modified: 06 May 2021 04:44
URI: http://repository.upm.ac.id/id/eprint/1901

Actions (login required)

View Item View Item