Implementasi Artificial Neural Network untuk klasifikasi perkembangan anak

Muntaha, Emma syapitri (2019) Implementasi Artificial Neural Network untuk klasifikasi perkembangan anak. Diploma thesis, UIN Sunan Guung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (278kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (270kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (433kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (195kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (926kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (371kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (274kB) | Request a copy

Abstract

Artificial Neural Network (ANN) atau jaringan syaraf tiruan merupakan sebuah teknik atau pendekatan pengolahan informasi yang terinspirasi oleh cara kerja sistem saraf biologis yang menggunakan metode pengelompokan. Tujuan pembuatan sistem pengklasifikasian perkembangan anak untuk menunjang pengoptimalan perkembangan anak dalam beberapa variabel seperti nilai agama dan moral, fisik motorik, bahasa, kognitif, sosial emosional dan seni. Sistem penilaian pencapaian perkembangan anak menggunakan metode ANN melalui empat fase yaitu inisialisasi (initialization). Aktivasi (activation), weight trainin, dan Iteration. Pemanfaatan tahapan pada metode ANN digunakan untuk memberikan perbandingan nilai anak dalam segi perkembangan, semakin rendah hasil nilai pada grafik nilai Mean Square Error semakin bagus perkembangan anak dan semakin tinggi nilai yang dihasilkan, semakin kurang baik perkembangan pada anak tersebut. Selain itu sistem ini dapat membantu para orang tua untuk mengetahui perkembangan anak secara optimal dari berbagai variabel perkembangan.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Artificial Neurla Network (ANN); Aktivasi; Weight training;iteration; grafik Mean Square Error;Perkembangan anak;
Subjects: Special Computer Methods > Artificial Intelligence
Human Physiology > Child Development
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Emma Syapitri Muntaha
Date Deposited: 22 Jul 2019 04:26
Last Modified: 22 Jul 2019 04:26
URI: https://etheses.uinsgd.ac.id/id/eprint/21993

Actions (login required)

View Item View Item