Electronic Theses and Dissertation

Autism Spectrum Disorder (ASD) merupakan sebuah kelainan gangguan pada sistem syaraf sejak lahir maupun saat balita. Gangguan ini mempengaruhi perkembangan anak yang membuat fungsi syaraf sulit berkembang dan mengakibatkan anak yang bersangkutan akan kesulitan dalam membina hubungan sosialnya sehingga dibutuhkan pendeteksian secara dini terhadap anak penderita ASD sehingga perlakuan medis yang cepat dan tepat sasaran. Saat ini fasilitas maupun penelitian tentang diagnosis dini penderita ASD melalui data sinyal Electroencyphalogram EEG masih sangat sedikit sehingga membutuhkan biaya yang banyak serta usaha yang lebih untuk menganalisis sinyal EEG dalam pemeriksaan medis terkait kasus pendeteksian ASD. Penelitian ini menghasilkan Aplikasi Mobile inovatif yang dapat membedakan penderita Autism Spectrum Disorder (ASD) dan anak-anak normal berdasarkan data sinyal otak EEG. Aplikasi ini menggunakan algoritma preprocessing data sinyal EEG BCI2000 yang diotomatisasi dengan Python dan melibatkan penggunaan Convolutional Neural Network (CNN) yang terlatih dengan akurasi tinggi, mencapai 98,7%. Dengan Aplikasi Mobile ini, para orang tua, pendidik, dan profesional kesehatan dapat dengan cepat dan mudah mengenali tanda-tanda potensial ASD pada anak-anak, memungkinkan penderita ASD untuk mendapatkan diagnosis medis yang tepat dan perawatan yang lebih awal. Aplikasi ini telah diimplementasikan dengan akses melalui berbagai platform melalui restAPI, memberikan kemudahan dan fleksibilitas dalam penggunaannya.

Kata Kunci: Electroencyphalogram (EEG), Convolutional Neural Network (CNN), Aplikasi Mobile.

Autism Spectrum Disorder (ASD) is a disorder that affects the nervous system from birth or during infancy. This disorder affects the child's development, making it difficult for neurological function to develop and resulting in the child concerned having difficulty in maintaining social relationships, so early detection of children with ASD is needed so that medical treatment can be carried out quickly and on target. Currently, there are very few facilities and research on early diagnosis of ASD sufferers using EEG electroencephalogram signal data, so it requires a lot of money and more effort to analyze EEG signals in medical examinations related to ASD detection cases. This research produces an innovative mobile application that can differentiate sufferers of Autism Spectrum Disorder (ASD) and normal children based on EEG brain signal data. This application uses the BCI2000 EEG signal data preprocessing algorithm which is automated with Python and involves the use of a trained Convolutional Neural Network (CNN) with high accuracy, reaching 98.7%. With this Mobile App, parents, educators, and health professionals can quickly and easily recognize potential signs of ASD in children, allowing people with ASD to receive appropriate medical diagnosis and earlier treatment. This application has been implemented with access via various platforms via restAPI, providing ease and flexibility in its use. Keywords: Electroencephalogram (EEG), Convolutional Neural Network (CNN), Mobile Application.