Cahyani, Fadhilla P (2017) Identifikasi Penyimpangan Tumbuh Kembang Anak Dengan Algoritme Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Pertumbuhan dan perkembangan merupakan dua proses yang saling bergantung satu sama lain dan tidak dapat dipisahkan. Pertumbuhan dan perkembangan anak sangat mempengaruhi kualitas tumbuh kembang anak kedepannya. Pada fase perkembangan seringkali ditemui gangguan yang menyebabkan keterlambatan tumbuh kembang anak jika dibandingkan anak seusianya. Gangguan tumbuh kembang yang sering dialami pada anak diantaranya adalah autisme, Attention Deficit Disorder (ADHD), dan Down Syndrome (DS). Penelitian ini bertujuan untuk mengidentifikasi jenis penyimpangan tumbuh kembang anak berdasarkan gejala yang muncul menggunakan algoritme Backpropagation. Algoritme Backpropagation merupakan salah satu algoritme Jaringan Syaraf Tiruan yang memiliki kemampuan menyelesaikan permasalahan kompleks yang tidak dapat diselesaikan dengan teknik pembelajaran konvensional. Arsitektur jaringan yang digunakan pada penelitian ini adalah 38 neuron input, 5 neuron hidden, dan 3 neuron output. Hasil dari penelitian ini menunjukkan bahwa algoritme Backpropagation dapat melakukan identifikasi penyimpangan tumbuh kembang anak dengan baik dengan rata-rata akurasi 91,11% pada pengujian data latih sebesar 81, data uji 9, learning rate 0,1, dan batas error 0,0009.
English Abstract
Growth and development are two processes that are interdependent and inseparable. Growth and development of children greatly affect the quality of growth and development of children in the future. In the development phase, often encountered irregularities that cause delay in child development when compared to children of the same age. Developmental disorders that often occurred in children are such as autism, Attention Deficit Disorder (ADHD), and Down Syndrome. This study aims to identify the type of development disorder of children based on symptoms that appear using Backpropagation algorithm. Backpropagation algorithm is one of Artificial Neural Network algorithm that has ability to solve complex problems that can not be solved by conventional learning technique. The network architectures used in this study are 38 input neurons, 5 hidden neurons, and 3 output neurons. The results of this study indicate that Backpropagation algorithm can identify the development disorder of children well with the average accuracy of 91,11% in the test of training data of 81, 9 testing data, learning rate 0,1, and 0,0009 minimun error.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/590/051708102 |
Uncontrolled Keywords: | Anak Usia Dini, Identifikasi, Tumbuh Kembang, Algoritme Backpropagation |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Yusuf Dwi N. |
Date Deposited: | 04 Oct 2017 07:12 |
Last Modified: | 13 Oct 2020 07:59 |
URI: | http://repository.ub.ac.id/id/eprint/3251 |
Preview |
Text
Fadhilla P Cahyani.pdf Download (9MB) | Preview |
Actions (login required)
View Item |