M.RIZAL, - (2022) PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR ResNet UNTUK KLASIFIKASI MALARIA. Skripsi thesis, Universitas Islam Negri Sultan Syarif Kasim Riau.

Preview	Text Lengkap Kecuali bab IV.pdf Download (4MB) | Preview
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Deep learning adalah cabang dari machine learning yang dapat mengajarkan komputer untuk melakukan pekerjaan selayaknya manusia, seperti komputer dapat belajar dari proses training . Deep Learning mampu menyelesaikan permasalahan yang tidak dapat diselesaikan oleh multilayer perceptron (MPL) yaitu menetukan relasi tersembunyi antara input dan output. Convolutional neural network (CNN) adalah pengembangan dari multilayer peceptron (MPL) yang didesain untuk mengolah data dua dimensi. CNN merupakan salah satu jenis neural network yang berisi kombinasi beberapa layer yaitu convolutional layer, pooling layer dan fully connected layer. pada penelitian ini penulis melakukan klasifikasi dan membandingkan hasil akurasi dari data original dan data aumentasi pada penyakit malaria menggunakan metode convolutional neural networt dengan arsitektur ResNet-50. Hasil akurasi yang diperoleh dari penelitian ini adalah sebesar data original 0.873% dan data augmentasi sebesar 0.984%. Kata kunci: Deep Learning, Convolusional Neural Network, ResNet-50

Actions (login required)

View Item