Electronic Theses and Dissertation

Autism Spectrum Disorder (ASD) adalah gangguan perkembangan saraf dengan gejala sosial yang terbatas dan pola perilaku yang berulang. Pemantauan dan deteksi emosi melalui ekspresi menggunakan sistem klasifikasi citra wajah sangat diperlukan dalam mengklasifikasi anak penyandang autisme terutama pada bidang kedokteran. Sistem klasifikasi citra wajah memungkinkan seorang dokter mengkasifikasi penyandang autisme dengan lebih akurat, presisi dan konsisten dengan lebih mudah dan cepat dibandingkan dengan cara manual. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi wajah dengan Inception V3 serta menganalisis pengaruh peningkatan epoch pada model klasifikasi. Metode penelitian menggunakan arsitektur Inception V3 untuk klasifikasi citra wajah dengan variasi jumlah epoch (50, 75, dan 100) untuk melihat perbedaan kinerja model. Hasil penelitian yang diperoleh yakni persentase akurasi mengalami peningkatan dari 92% menjadi 94% dan kembali meningkat menjadi 97% berurutan dengan peningkatan epoch dari 50, 75 dan 100. Kemudian persentase presisi juga mengalami peningkatan dari 85% menjadi 88% dan kembali meningkat menjadi 94% berurutan dengan peningkatan epoch dari 50, 75 dan 100. Sedangkan pada tahapan recall, metrik kinerja model pada 50 epoch, 75 epoch, dan 100 epoch memberikan hasil yang stabil yakni 100% pada semua skenario epoch. Kesimpulan dari penelitian ini yaitu peningkatan jumlah epoch dalam pelatihan model berdampak positif pada kinerja model dalam mengklasifikasikan individu sebagai individu dengan autisme atau normal. Semakin tinggi jumlah epoch maka semakin akurat, presisi kinerja model dalam melakukan klasifikasi individu dengan autisme atau normal.


Kata kunci: Autism Spectrum Disorder, Inception V3, Citra Wajah.

Autism Spectrum Disorder (ASD) is a neurodevelopmental disorder characterized by limited social symptoms and repetitive behavioral patterns. Monitoring and detecting emotions through facial expressions using a facial image classification system is crucial in classifying children with autism, especially in the medical field. The facial image classification system enables doctors to classify individuals with autism more accurately, precisely, and consistently, with greater ease and speed compared to manual methods. This research aims to develop a facial classification method using Inception V3 and analyze the impact of increasing epochs on the classification model. The research method employs the Inception V3 architecture for facial image classification with varying numbers of epochs (50, 75, and 100) to observe differences in model performance. The research findings indicate that the accuracy percentage increased from 92% to 94% and further to 97% sequentially with increasing epochs from 50 to 75 and 100. Moreover, the precision percentage also increased from 85% to 88% and further to 94% sequentially with the increase in epochs from 50 to 75 and 100. Meanwhile, in the recall stage, the model performance metrics at 50 epochs, 75 epochs, and 100 epochs showed stable results of 100% across all epoch scenarios. The conclusion drawn from this study is that increasing the number of epochs during model training positively impacts the model's performance in classifying individuals as either autistic or normal. Higher epoch counts lead to more accurate and precise model performance in classifying individuals with autism or normalcy. Kata kunci: Autism Spectrum Disorder, Inception V3, facial Image.