Electronic Theses and Dissertation

Pentingnya deteksi dini gangguan spektrum autisme (ASD) mendorong
berkembangnya metode klasifikasi citra termal wajah yang dapat mendukung
deteksi dini. Studi ini mengusulkan pendekatan inovatif untuk mengklasifikasikan
citra termal wajah anak autisme dan anak normal menggunakan arsitektur
MobileNet dengan Gaussian filter dan Homomorphic filter. Citra termal wajah
digunakan sebagai dataset dalam bentuk RGB yang menampilkan range suhu
objek. Prosesnya dimulai dengan input citra termal wajah anak autisme dan anak
normal, yang kemudian diproses dengan homomorphic filter untuk meningkatkan
kontras dan mengurangi efek fluktuasi suhu. Penerapan gaussian filter pada citra
untuk menghaluskan gambar, mengurangi noise, dan mempersiapkan gambar
untuk ekstraksi fitur. Arsitektur MobileNet digunakan sebagai model klasifikasi
gambar termal, memungkinkan implementasi yang efisien dan cepat pada
perangkat berdaya rendah. Pelatihan model dilakukan pada kumpulan data termal
wajah yang diberi label autis (0) atau non-autis (1). Eksperimen dilakukan untuk
mengevaluasi kinerja sistem yang diusulkan menggunakan matriks klasifikasi
seperti akurasi, presisi, recall1, dan skor F1. Pendekatan ini menjanjikan sebagai
bantuan diagnostik potensial untuk deteksi dini gangguan autisme berdasarkan
citra termal wajah anak. Keuntungan dari penggabungan arsitektur MobileNet
dengan gaussian filter dan homomorphic filter diharapkan dapat mengarah pada
pengembangan sistem yang efektif dalam proses diagnosis dan intervensi dini
pada anak ASD. Model dengan implementasi homomorphic filter dengan nilai
learning rate 0.0001 akurasinya sebesar 88% dan model paling baik dengan
akurasi sebesar 93% pada pada implementasi gaussian filter memakai nilai
learning rate 0.0001.

The importance of early detection of autism spectrum disorder (ASD) has encouraged the development of facial thermal image classification methods that can support early detection. This study proposes an innovative approach to classify the thermal images of the faces of children with autism and normal children using the MobileNet architecture with Gaussian filters or Homomorphic filters. Thermal imagery of faces is used as a dataset in RGB form that displays the temperature range of the object. The process begins with the input of thermal images of the faces of children with autism and normal children, which are then processed with homomorphic filters to increase contrast and reduce the effects of temperature fluctuations. Apply gaussian filters to imagery to smooth images, reduce noise, and prepare images for feature extraction. The MobileNet architecture is used as a thermal image classification model, allowing for efficient and fast implementation on low-power devices. Model training was carried out on a thermal dataset of faces labeled autistic (0) or non-autistic (1). Experiments were conducted to evaluate the performance of the proposed system using classification matrices such as accuracy, precision, recall, and F1 score. This approach holds promise as a potential diagnostic aid for early detection of autism disorders based on thermal imaging of children's faces. The advantages of combining the MobileNet architecture with gaussian filter and homomorphic filter are expected to lead to the development of an effective system in the process of early diagnosis and intervention in children with ASD. The model with the implementation of the homomorphic filter with a learning rate value of 0.0001 has an accuracy of 88% and the best model with an accuracy of 93% in the implementation of the Gaussian filter using a learning rate value of 0.0001