Indah Pujiati Primary Author mixed material bibliography Banda Aceh Fakultas Teknik (S1) 2022

Skripsi

ABSTRAK Abstrak – Saat ini penelitian mengenai pengenalan wajah anak autis secara mendalam dilakukan untuk memberikan skrining awal terhadap pengenalan Autism Spectrum Disorder (ASD). Penelitian ini mengusulkan model Convolution Neural Network (CNN) dengan arsitektur ShuffleNet dan Visual Geometry Group (VGG)-19 untuk pengenalan wajah pada anak autis. Adapun objek penelitian yang digunakan pada sistem pengenalan wajah adalah data yang diperoleh melalui situs kaggle dengan jumlah 2.840 data yang terdiri dari citra autisme dan non-autisme. Wajah anak autis secara visual sulit dibedakan dengan wajah anak normal, oleh karena itu penelitian ini membangun sebuah sistem yang mampu mengenali wajah penyandang autisme. Metode yang digunakan pada penelitian ini berupa penerapan model CNN pada pengenalan wajah autisme melalui citra dengan membandingkan dua arsitektur untuk melihat kinerja yang paling baik diantara keduanya. Data autisme dan non-autisme dikelompokkan menjadi data latih sebanyak 2.540 data citra dan data uji sebanyak 300 data citra. Hasilnya sistem akan mengklasifikasikan dataset menjadi dua kelas yaitu autisme atau non-autisme. Pada penelitian ini membuktikan bahwa VGG-19 sangat baik dalam proses klasifikasi untuk pengenalan wajah anak autis. Adapun nilai akurasi yang diperoleh VGG-19 adalah 98% sedangkan ShuffleNet sebesar 88%. Kata kunci: Sistem pengenalan wajah, Autisme, Convolutional Neural Network (CNN), ShuffleNet, VGG-19.   0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 102007 2022-08-01 12:22:35 2022-08-01 15:27:46 machine generated