KLASIFIKASI SPERMA MANUSIA BERDASARKAN MORFOLOGI MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK GOOGLENET

Sarah, Cantika Putri (2024) KLASIFIKASI SPERMA MANUSIA BERDASARKAN MORFOLOGI MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK GOOGLENET. Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung.

Preview	File PDF ABSTRAK (ABSTRACT).pdf Download (46Kb) | Preview
	File PDF FILE SKRIPSI FULL.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF FILE SKRIPSI FULL TANPA PEMBAHASAN.pdf Download (3496Kb) | Preview

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

Infertilitas adalah suatu penyakit yang sering terjadi pada sistem reproduksi pria maupun wanita yang ditandai dengan kegagalan untuk mencapai kehamilan. Permasalahan infertilitas banyak disebabkan oleh faktor pria karena adanya kelainan pada hasil analisis sperma. Deep Learning diterapkan untuk memetakan fitur visual dalam melakukan analisis kelainan sperma ke dalam kategori yang sesuai. Convolutional Neural Network (CNN) merupakan algoritma pembelajaran yang memiliki kemampuan untuk pemrosesan dan pengenalan citra. Salah satu model arsitektur CNN yaitu GoogleNet diterapkan dalam melakukan klasifikasi sperma berdasarkan morfologi dengan melihat tingkat accuracy dan menghitung kinerja model menggunakan confusion matrix. Pada penelitian ini terdapat dua macam dataset yaitu HuSHeM dan SCIAN-MorphoSpermGS, data yang akan diuji dibagi menjadi data yang menerapkan augmentasi dan data yang tidak menerapkan augmentasi. Berdasarkan hasil pengujian didapatkan hasil bahwa model GoogleNet mendapatkan hasil accuracy tertinggi untuk data HuSHeM sebesar 98,46% dan data SCIAN-MorphoSpermGS sebesar 73,38%.

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:	2308045531 . Digilib
Date Deposited:	17 Jan 2025 06:44
Terakhir diubah:	17 Jan 2025 06:44
URI:	http://digilib.unila.ac.id/id/eprint/81212

Actions (login required)

Lihat Karya Akhir