Electronic Theses and Dissertation

Abstrak- Klasifikasi pada anak autis merujuk pada proses pengidentifikasian dan
pengelompokan individu dengan autis berdasarkan karakteristik tertentu. Salah satu
pendekatan yang diusulkan adalah menggunakan citra wajah anak-anak untuk
membedakan antara dua kelompok, autis dan normal. Penelitian ini mengusulkan
model Convolutional Neural Network (CNN) dengan arsitektur inception v3 yang
menerapkan filter yaitu homomorphic filter dan morphological filter. Objek dari
penelitian ini berjumlah 4.120 citra anak autis dan normal. Wajah anak autis dan
anak normal sulit dibedakan secara kasat mata karena autis lebih terkait dengan
perilaku dan interaksi sosial daripada penampilan fisik, oleh karena itu penelitian
ini dilakukan untuk menemukan metode yang lebih efektif dalam meningkatkan
akurasi klasifikasi citra termal yang dapat berkontribusi pada deteksi dini dan
pemahaman lebih lanjut tentang autis dengan membandingkan dua filter yang
diterapkan pada inception v3. Hasil penelitian ini menunjukkan bahwa
morphological filter unggul dibandingkan homomorphic filter dalam klasifikasi
citra termal wajah anak autis menggunakan inception v3. Adapun nilai akurasi yang
diperoleh morphological filter adalah 98.04% dan homomorphic filter adalah
94.12%.
Kata kunci: Autism Spectrum Disorder, Convolutional Neural Network, Inception
V3, Homomorphic Filter, Morphological Filter

Abstract – Classification in autistic children refers to the process of identifying and grouping individuals with autism based on certain characteristics. One proposed approach is using facial images of children to distinguish between two groups: autistic and normal. This research proposes a Convolutional Neural Network (CNN) model with an inception v3 architecture that applies filters, namely homomorphic filter and morphological filter. The objects of this study comprise 4,120 images of autistic and normal children. The faces of autistic children and normal children are difficult to distinguish with the naked eye because autism is more related to behavior and social interaction than physical appearance. Therefore, this research was conducted to find a more effective method to improve the accuracy of thermal image classification, which can contribute to early detection and further understanding of autism by comparing two filters applied to inceptionv3. The results of this study show that the morphological filter outperforms the homomorphic filter in classifying thermal images of autistic children's faces using inception v3. The accuracy obtained by the morphological filter is 98.04%, while the homomorphic filter achieves 94.12%. Keywords: Autism Spectrum Disorder, Convolutional Neural Network, InceptionV3, Homomorphic Filter, Morphological Filter