KALAM, CORRY FAZID (2025) PREDIKSI DOWN SYNDROME PADA ANAK BERDASARKAN CITRA WAJAH MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) EFFICIENTNETB0. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (590kB) | Preview |
|
![]() |
Text (BAB II)
02 BAB 1.pdf Restricted to Registered users only Download (110kB) |
|
![]() |
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (331kB) |
|
![]() |
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (289kB) |
|
![]() |
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (551kB) |
|
![]() |
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (37kB) |
|
![]() |
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (140kB) |
|
![]() |
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (667kB) |
Abstract
This study uses the Convolutional Neural Network (CNN) method with the EfficientNetb0 architecture to analyze facial images to predict children with Down syndrome. A genetic disorder known as Down Syndrome often exhibits unique facial characteristics that can be computationally analyzed for diagnostic purposes. This research utilizes the proposed EfficientNetb0 CNN architecture model to identify specific patterns in facial images for accurate and early Down syndrome prediction. The data consists of facial images of children affected and unaffected by Down syndrome, and convolutional layers are used to extract relevant features. This research contributes to the development of non-invasive and accessible diagnostic methods that utilize image analysis. The trained EfficientNetb0 CNN architecture model demonstrates promising results in differentiating individuals with and without Down syndrome with accuracy in 94,88%. Keywords: Down Syndrome Prediction, Convolutional Neural Network (CNN), Facial Image Analysis, EfficientNetb0 Studi ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNetb0 untuk menganalisis gambar wajah untuk memprediksi anak dengan sindrom Down. Suatu gangguan genetik yang dikenalsebagai Sindrom Down sering kali menunjukkan karakteristik wajah unik yang dapat dianalisis secara komputasional untuk tujuan diagnostik. Penelitian ini menggunakan model arsitektur CNN EfficientNetb0 yang diusulkan untuk mengidentifikasi pola khusus dalam gambar wajah untuk prediksi sindrom Down yang akurat dan dini. Data ini terdiri dari gambar wajah anak-anak yang terkena dan tidak terkena sindrom Down, dan lapisan konvolusi digunakan untuk mengekstrak fitur yang relevan. Penelitian ini berkontribusi pada pengembangan metode diagnostik yang non-invasif dan dapat diakses yang menggunakan analisis citra. Model arsitektur CNN EfficientNetb0 yang terlatih menunjukkan hasil yang menjanjikan dalam membedakan orang dengan dan tanpa sindrom Down dengan akurasi 94,88%. Kata Kunci : Prediksi Sindrom Down, Convolutional Neural Network (CNN), Analisis Citra Wajah, EfficientNetb0
Actions (login required)
![]() |
View Item |