Electronic Theses and Dissertation

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.
 

ABSTRACT Abstract – Currently, in-depth research on facial recognition of autistic children is carried out to provide an initial screening for the recognition of Autism Spectrum Disorder (ASD). This study proposes a Convolution Neural Network (CNN) model with ShuffleNet architecture and Visual Geometry Group (VGG)-19 for facial recognition in autistic children. The object of research used in the facial recognition system is data obtained through the kaggle site with a total of 2,840 data consisting of images of autism and non-autism. Autistic children's faces are visually difficult to distinguish from normal children's faces, therefore this study builds a system that is able to recognize faces of people with autism. The method used in this study is the application of the CNN model to autism facial recognition through imagery by comparing the two architectures to see the best performance between the two. Autism and non-autism data are grouped into training data of 2,540 image data and test data of 300 image data. As a result, the system will classify the dataset into two classes, namely autism or non-autism. This study proves that VGG-19 is very good in the classification process for facial recognition in autistic children. The accuracy value obtained by VGG-19 is 98% while ShuffleNet is 88%. Keywords: Face recognition system, Autism, Convolutional Neural Network (CNN), ShuffleNet, VGG-19.