Dinda Diva Diannuari Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2024

Skripsi

Abstrak- Autisme merupakan gangguan perkembangan saraf yang mempengaruhi perkembangan dalam berkomunikasi dan berinteraksi. Sementara spectrum mengacu pada tingkat keparahan autisme itu sendiri. Beberapa intensif melakukan penelitian untuk menganalisis data anak autis upaya mendiagnosis ASD pada usia dini. Klasifikasi wajah anak ASD dapat menjadi salah satu cara untuk mendeteksi autisme dengan memanfaatkan teknologi kecerdasan buatan. Teknologi kecerdasan buatan dengan pembelajaran mesin saat ini yang efektif yaitu Algoritma CNN. Penelitian ini dilakukan untuk membandingkan beberapa model Convolution Neural Network (CNN) yaitu arsitektur Visual Geometry Group (VGG)-19, ResNet50V2 dan EfficientNet. Adapun objek penelitian yang digunakan pada sistem pengenalan wajah berjumlah 4.120 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. Pada penelitian ini membuktikan bahwa ResNet50V2 sangat baik dalam proses klasifikasi untuk pengenalan wajah termal anak autis. Adapun nilai akurasi yang diperoleh VGG-19 sebesar 96.47%, ResNet50V2 sebesar 98.82% sedangkan EfficientNet sebesar 96.07%. Kata kunci: Autisme Spectrum Disorder, Citra Termal, EfficientNet, ResNet50V2, VGG19 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 124923 2024-07-12 16:16:50 2024-07-15 08:33:04 machine generated