Zharifah Muthiah Primary Author mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2024

Theses

Deteksi Gangguan Spektrum Autisme (ASD) pada anak-anak sangat penting untuk intervensi dini, namun metode diagnostik tradisional mungkin terbukti tidak efisien atau tidak dapat diakses. Penelitian ini mengusulkan pendekatan baru yang memanfaatkan gambar termal wajah anak-anak untuk klasifikasi ASD. Kontribusi penelitian ini terletak pada pengembangan model baru untuk klasifikasi citra termal dalam diagnosis ASD, dengan memanfaatkan kumpulan data yang ada. Penelitian sebelumnya menganjurkan penggunaan pencitraan termal karena tidak bergantung pada intensitas cahaya. Selain itu, penelitian ini berpotensi memajukan metode non-invasif dan membantu dokter mengambil keputusan yang lebih akurat. Metodologi ini melibatkan pengembangan model pengenalan gambar menggunakan arsitektur ResNet (ResNet-18, ResNet-34, dan ResNet-50) dengan kecepatan pembelajaran yang bervariasi sebesar 0,01, 0,001, dan 0,0001. Dataset terdiri dari 2.550 gambar termal wajah yang dibagi menjadi set pelatihan, validasi, dan pengujian. Hasilnya menunjukkan bahwa ResNet-18 mencapai akurasi terendah sebesar 94,71% dengan learning rate 0,01, sedangkan ResNet-50 dengan learning rate 0,0001 mencapai akurasi tertinggi sebesar 99,22%, yang dianggap berhasil dalam menunjukkan seberapa tepat model tersebut dalam mengklasifikasikan data dengan benar, presisi sebesar 99,61% menggambarkan hasil autisme yang benar, sedangkan sensitivitas sebesar 98,82% mengukur kemampuan model dalam mengidentifikasi seluruh kasus autisme yang sebenarnya, spesifisitas sebesar 99,61% menunjukkan kemampuan model dalam mengidentifikasi seluruh kasus normal yang sebenarnya. Kesimpulannya, perbedaan lapisan arsitektur ResNet dan learning rate dapat berdampak signifikan terhadap akurasi dalam mengklasifikasikan ASD dari citra wajah termal anak-anak 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129031 2024-08-29 13:16:06 2024-08-30 10:18:26 machine generated