Electronic Theses and Dissertation

Autism Spectrum Disorder (ASD) adalah gangguan perkembangan dengan ciri-ciri lemahnya kemampuan bersosialisasi dan berkomunikasi, seringkali disertai dengan perilaku stereotipikal dan dilatarbelakangi keterbatasan minat dan perilaku. Diagnosa autisme biasanya dilakukan oleh seorang pakar atau ahli dibidang tumbuh kembang anak. Diagnosa yang dilakukan meliputi pemeriksaan fisik, perilaku dan penunjang. Diagnosa tersebut tentunya membutuhkan proses yang lama, sedangkan penyandang autisme diperlukan penanganan sedini mungkin untuk menghindari risiko komplikasi yang lebih serius. Oleh karena itu pada penelitian ini, dibangun sebuah model yang dapat melakukan klasifikasi penyandang autisme menggunakan ResNet-50 dan ResNet-101 melalui masukan citra wajah. Hal ini dikarenakan citra wajah autisme memiliki karakteristik yang khas dari citra wajah non-autisme. Pada penelitian ini juga memanfaatkan augmentasi untuk penambahan jumlah dataset. Hasil penelitian menunjukkan tingkat akurasi pengujian ResNet-50 dan ResNet- 101 tanpa augmentasi adalah 84,66% dan 86,66%, sedangkan dengan memanfaatkan augmentasi adalah 89,33% dan 91%.
Kata kunci: klasifikasi citra wajah, autisme, convolutional neural network, augmentasi, resnet-50, resnet-101

Autism Spectrum Disorder (ASD) is a developmental disorder characterized by weak social and communication skills, often accompanied by stereotypical behavior and a background of limited interest and behavior. Autism diagnosis is usually carried out by an expert or expert in the field of child development. Diagnosis includes physical examination, behavior and support. The diagnosis certainly requires a long process, while people with autism need treatment as early as possible to avoid the risk of more serious complications. Therefore, in this study, a model was built that can classify people with autism using ResNet-50 and ResNet- 101 through facial image input. This is because the facial image of autism has distinctive characteristics from the image of a non-autistic face. This research also uses augmentation to increase the number of datasets. The results showed that the accuracy of the ResNet-50 and ResNet-101 tests without augmentation was 84,66% and 86,66%, while using augmentation were 89,33% and 91% respectively. Keywords: facial image classification, autism, convolutional neural network, augmentation, resnet-50, resnet-101