Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
IMPLEMENTASI AUGMENTASI GENERATIVE ADVERSARIAL NETWORK PADA METODE MOBILENET UNTUK KLASIFIKASI ANAK STUNTING
Pengarang
CUT NANDA NURUL MEURISYAH - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
2004105010041
Fakultas & Prodi
Fakultas Teknik / Teknik Elektro (S1) / PDDIKTI : 20201
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas Teknik Elektro., 2024
Bahasa
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Stunting adalah bentuk umum dari malnutrisi anak, di mana kondisi anak lebih pendek dibandingkan anak seumurnya. Stunting dapat menyebabkan dampak jangka panjang bagi anak, termasuk penurunan kemampuan kognitif, masalah kesehatan, dan produktivitas yang lebih rendah di masa dewasa. Penelitian ini berfokus pada penggunaan augmentasi Generative Adversarial Network (GAN) dalam klasifikasi citra anak stunting dan normal menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNet. Akurasi yang dihasilkan dari pelatihan adalah sebesar 76% tanpa menggunakan augmentasi, dengan augmentasi konvensional sebesar 87%, dan menggunakan augmentasi GAN menghasilkan akurasi sebesar 99%.
Kata kunci: Stunting, Convolutional Neural Network, Augmentasi, Generative Adversarial Network, MobileNet.
Stunting is a common form of child malnutrition, where children are shorter compared to their peers of the same age. Stunting can have long-term effects on children, including decreased cognitive abilities, health problems, and lower productivity in adulthood. This study will focus on the use of Generative Adversarial Network (GAN) augmentation in the classification of images of stunted and normal children using Convolutional Neural Network (CNN) methodologies with a MobileNet architecture. The accuracy achieved from training is 76% without augmentation, 87% with conventional augmentation, and 99% using GAN augmentation. Keywords: Stunting, Convolutional Neural Network, Augmentation, Generative Adversarial Network, MobileNet
KLASIFIKASI SINYAL EEG UNTUK DIAGNOSIS AUTISM SPECTRUM DISORDER MENGGUNAKAN GRAPH CONVOLUTIONAL NETWORK DENGAN AUGMENTASI DATA GENERATIVE ADVERSARIAL NETWORK (KAYSA MARISA, 2025)
METODE DETEKSI STUNTING MELALUI CITRA WAJAH ANAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) (Yunidar, 2025)
KLASIFIKASI CITRA TERMAL WAJAH AUTISME MENGGUNAKAN MOBILENET DENGAN GAUSSIAN FILTER DAN HOMOMORPHIC FILTER (Intan Salsabila, 2024)
PERFORMANSI AUGMENTASI PADA RESNET-50 DAN RESNET-101 UNTUK KLASIFIKASI CITRA WAJAH PENYANDANG AUTISME (Yulita, 2022)
PERBANDINGAN MODEL KLASIFIKASI KARIES GIGI MENGGUNAKAN ARSITEKTUR RESNET-50, EFFICIENTNET B4 DAN MOBILENET V2 (HAFIDH HABIBIE, 2023)