DETEKSI DOWN SYNDROME PADA ANAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN)

Torano, Mimi Zamila Torano (2024) DETEKSI DOWN SYNDROME PADA ANAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN). Sarjana thesis, Universitas Khairun.

	Text SAMPUL DEPAN.pdf - Published Version Download (65kB)
	Text ABSTRAK English.pdf - Published Version Download (110kB)
	Text BAB I.pdf - Published Version Download (311kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (272kB)

Abstract

Mimi Zamila Torano Deteksi Down Syndrome Pada Anak Menggunakan Convolutional Neural Networks (CNN) Kata Kunci : Deteksi, Down Syndrome, CNN Penelitian ini bertujuan untuk menyediakan metode deteksi dini untuk membantu memberikan intervensi medis, pengobatan, dan dukungan yang lebih efektif untuk meningkatkan kualitas hidup anak dan membantu keluarga yang terkena dampak Down Syndrome. Penelitian ini dapat mengembangkan teknologi deteksi dini yang lebih baik dan efisien untuk kondisi kesehatan dan meningkatkan pemahaman tentang Down Syndrome serta kesadaran akan kondisi kesehatan masyarakat terutama pada anak-anak. Penelitian ini menggunakan metode pengumpulan data, preprocessing data, pembagian data, pembuatan arsitektur cnn, pelatihan cnn, evaluasi dan penyetelan, serta pengujian dan analisis. Hasil penelitian yang dilakukan didapat akurasi sebesar 80,44% dengan laju pelatihan 100 epoch, sedangkan untuk ukuran klasifikasi lainnya seperti AUC, Precision, dan Recall sebesar 91,41%, 83,28%, 83,94%. Metode convolutional neural networks (CNN) dapat membantu mendeteksi dini pada anak dengan Down Syndrome dengan akurasi hasil klasifikasi sebesar 80,44% .

Actions (login required)

View Item