Informasi Umum

Kode

25.04.2012

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

28 kali

Informasi Lainnya

Abstraksi

Penelitian ini bertujuan untuk menganalisis efisiensi model <i>Convolutional Neural Network</i> (CNN) dan <i>Recurrent Neural Network</i> (RNN) dalam mengklasifikasikan <i>Down syndrome</i> pada balita berdasarkan citra wajah. <i>Dataset</i> yang digunakan terdiri dari 5.206 gambar, yang telah melalui tahapan pra-pemrosesan seperti konversi <i>grayscale</i>, normalisasi, dan augmentasi. Model CNN dibangun menggunakan lapisan konvolusi, <i>max pooling</i>, <i>batch normalization</i>, dan <i>dropout</i>, sementara RNN mengadopsi arsitektur LSTM. Hasil evaluasi menunjukkan bahwa CNN memiliki performa yang stabil dan efisien dalam klasifikasi citra statis, dengan <i>accuracy</i> 0.9383, <i>precision</i> 0.6772, <i>recall</i> 0.7044, dan <i>F1-score</i> 0.6898 pada data pelatihan <i>accuracy</i> 0.9021, <i>precision</i> 0.9016, <i>recall</i> 0.9021, dan <i>F1-score</i> 0.8936 pada validasi serta <i>accuracy</i> 0.8733, <i>precision</i> 0.8662, <i>recall</i> 0.8733, dan <i>F1-score </i>0.8619 pada data pengujian. Di sisi lain, RNN menunjukkan performa unggul dalam hal <i>recall</i>, terutama dalam mendeteksi kasus positif, dengan <i>recall</i> tertinggi sebesar 1.0000 dan <i>F1-score</i> 0.8786 pada pelatihan; <i>recall</i> 0.9832 dan <i>F1-score</i> 0.9011 pada validasi serta <i>recall</i> 0.9928 dan <i>F1-score 0.9039</i> pada pengujian. Meskipun CNN unggul dalam <i>accuracy</i>, <i>precision</i>, RNN lebih direkomendasikan untuk aplikasi yang menuntut sensitivitas tinggi, seperti klasifikasi medis. Penelitian ini menyimpulkan bahwa CNN lebih optimal secara keseluruhan, namun RNN menawarkan keunggulan signifikan dalam deteksi kasus positif pada data baru.

  • AZK4CAA4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama ALFIANSYAH RAMADAN
Jenis Perorangan
Penyunting Dadiek Pranindito, Zein Hanni Pradana
Penerjemah

Penerbit

Nama Universitas Telkom, S1 Teknik Telekomunikasi - Kampus Purwokerto
Kota Bandung
Tahun 2025

Sirkulasi

Harga sewa IDR 0,00
Denda harian IDR 0,00
Jenis Non-Sirkulasi