Electronic Theses and Dissertation

Gangguan spektrum autisme (ASD) adalah gangguan perkembangan saraf yang muncul pada masa kecil yang membatasi pertumbuhan alami anak-anak dalam hal komunikasi dan perilaku sosial dan membuat hidup menjadi sangat sulit. Penelitian ini mengusulkan suatu metode klasifikasi autis menggunakan ResNet-50 dan metode segmentasi DeepLabV3+. Penelitian ini bertujuan mengevaluasi pengaruh ResNet-50 pada segmentasi menggunakan DeepLabV3+ pada wajah anak dengan spektrum autisme (ASD). Hasil penelitian dengan dataset tanpa segmentasi mendapatkan akurasi sebesar 83,7%. Akurasi mengalami peningkatan sebesar 85.9% setelah dilakukan segmentasi. DeepLabV3+ berhasil melakukan segmentasi dan mengurangi noise dan fitur yang tidak diperlukan dari dataset.

Autism spectrum disorder (ASD) is a neurodevelopmental disorder that emerges in childhood that limits children's natural growth in terms of communication and social behavior and makes life extremely difficult. The study proposes a method of autis classification using ResNet-50 and DeepLabV3+ segmentation method. The aim of the study is to evaluate the impact of ResNet-50 on segmentation using DeepLabV3+ on the faces of children with Autism Spectrum Disorder (ASD). The accuracy of the results with the data set without segmentation was 83.7%. Accuracy improved by 85.9% after segmentation. DeepLabV3+ successfully segments and reduces noise and unnecessary features from the datasets.