Hilmi Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Elektroensefalografi (EEG) adalah teknik non-invasif yang digunakan untuk merekam aktivitas listrik sel saraf di otak. Penggunaan EEG umum dalam diagnosis Autism Spectrum Disorder (ASD), yang biasanya melibatkan observasi berbagai indikator fisik dan perilaku. Penelitian ini bertujuan untuk mengembangkan algoritma deteksi ASD dengan mengekstraksi fitur EEG dari visualisasi spasial citra topografi EEG heatmap menggunakan EfficientNetV2S dan ConvNeXt-Tiny. Preprocessing dataset sinyal EEG dilakukan menggunakan pemrograman Python, mencakup pembacaan sinyal EEG, filtering noise, dan sinyal slicing dengan overlap menghasilkan dataset 4248. Penelitian ini berhasil membangun model yang mampu mendeteksi autisme pada citra topografi EEG heatmap menggunakan arsitektur EfficientNetV2S dengan learning rate 0.00001 menghasilkan performa yang stabil dan efektif tanpa indikasi overfitting, dapat ditinjau pada parameter evaluasi model yaitu accuracy mencapai 99.29%, precision 99%, recall 99%, dan F1-Score 99%. Untuk ConvNeXt-Tiny hasil terbaik pada learning rate 0.0001 yaitu accuracy mencapai 99.29%, precision 99%, recall 99%, dan F1-Score 99%. Pada tahap pengujian menggunakan test set, model ini menunjukkan kemampuan generalisasi yang baik dengan akurasi 99.97% untuk kategori autisme dan 99.74% untuk kategori normal. Temuan ini menunjukkan bahwa metode yang digunakan efektif dalam mendeteksi ASD, memberikan peluang besar dalam deteksi dini autisme secara lebih akurat sehingga membantu penderitanya mendapatkan penanganan lebih cepat dan tepat. Kata Kunci: ASD, Elektroensefalografi, Topografi-Heatmap, EfficientNetV2S, ConvNeXt-Tiny 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 154785 2025-04-24 16:37:48 2025-04-25 09:34:10 machine generated