KLASIFIKASI SPERMA MANUSIA BERDASARKAN MORFOLOGI MENGGUNAKAN DENSELY CONNECTED CONVOLUTIONAL NETWORKS

Irma, Azizah (2024) KLASIFIKASI SPERMA MANUSIA BERDASARKAN MORFOLOGI MENGGUNAKAN DENSELY CONNECTED CONVOLUTIONAL NETWORKS. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstrak_2017051038.pdf Download (226Kb) | Preview
	File PDF SkripsiDigilib_2017051038.pdf Restricted to Hanya staf Download (3288Kb) | Minta salinan
Preview	File PDF Skripsi Tanpa Bab Pembahasan_2017051038.pdf Download (2310Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Infertilitas, menurut World Health Organization (WHO), didefinisikan sebagai ketidakmampuan untuk hamil setelah 12 bulan hubungan seksual teratur tanpa perlindungan, yang memengaruhi 8–12% pasangan usia reproduksi. Faktor pria menyumbang sekitar 50% dari seluruh kasus infertilitas. Salah satu metode untuk menilai faktor pria adalah analisis morfologi sperma, namun variasi bentuk sperma yang signifikan sering kali mempersulit proses diagnosis. Penggunaan sistem otomatis dalam klasifikasi sperma dapat mengatasi keterbatasan seleksi manual yang cenderung kurang akurat. Penelitian ini bertujuan untuk mengimplementasikan arsitektur CNN DenseNet169 dalam pengklasifikasian sperma berdasarkan morfologi serta mengevaluasi kinerja model pada berbagai skema pembagian data. Eksperimen dilakukan pada dataset HuSHem dan SCIAN dengan pembagian data dalam rasio 80:10:10, 70:25:5, dan 60:20:20. Hasil menunjukkan bahwa pada dataset HuSHem, akurasi testing tertinggi sebesar 97,78% dicapai dengan rasio 70:25:5, sementara pada dataset SCIAN, akurasi tertinggi sebesar 78,79% dicapai dengan rasio yang sama. Kata kunci : Sperma Manusia, Machine Learning, CNN, DenseNet.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2308949592 . Digilib
Date Deposited:	17 Jan 2025 01:55
Terakhir diubah:	17 Jan 2025 01:55
URI:	http://digilib.unila.ac.id/id/eprint/81191

Actions (login required)

Lihat Karya Akhir