Electronic Theses and Dissertation

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

Abstract – Autism is a neurodevelopmental disorder that affects development in communication and interaction. Meanwhile, spectrum refers to the severity of autism itself. Several intensive research conducted to analyze data on autistic children in an effort to diagnose ASD at an early age. Facial classification of children with ASD can be one way to detect autism by utilizing artificial intelligence technology. The current effective artificial intelligence technology with machine learning is the CNN algorithm. This research was conducted to compare several Convolution Neural Network (CNN) models, namely the Visual Geometry Group (VGG)-19, ResNet50V2 and EfficientNet architectures. The research objects used in the facial recognition system amounted to 4,120 data consisting of autism and non-autism images. The faces of autistic children are visually difficult to distinguish from the faces of normal children, therefore this research builds a system that is able to recognize the faces of people with autism. This research proves that ResNet50V2 is very good in the classification process for thermal facial recognition for autistic children. The accuracy value obtained by VGG-19 was 96.47%, ResNet50V2 was 98.82% while EfficientNet was 96.07%. Keywords: Autism Spectrum Disorder, Thermal Image, EfficientNet, ResNet50V2, VGG19