Tyara Raynasari Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2025

Skripsi

Disgrafia dan disleksia merupakan gangguan belajar yang berdampak pada kemampuan menulis dan membaca anak. Salah satu dampak dari kedua gangguan tersebut adalah pada kualitas tulisan tangan yang buruk. Penelitian ini bertujuan untuk mengembangkan sistem prediksi disgrafia dan disleksia berdasarkan gambar tulisan tangan menggunakan pendekatan deep learning sebagai model deteksi. Disgrafia memiliki karakteristik tersendiri sehingga dibangun sebuah model untuk memprediksi potensi disgrafia menggunakan arsitektur CNN dan beberapa penyesuaian hyperparameter. Hasil evaluasi menunjukkan bahwa model deteksi disgrafia yang diusulkan mencapai rata-rata akurasi sebesar 96%, meningkat dari baseline sebelumnya sebesar 91%. Berbeda halnya dengan disleksia, karakteristik disleksia tentu berbeda pula. Model deteksi disleksia dilatih dengan pre-trained model YOLOv7 sebagai feature extractor dan MobileNet V2 sebagai model klasifikasi. Model tersebut mampu memberikan performa yang baik dalam mengeneralisasi data uji yaitu rata-rata 91% pada accuracy, precision, recall, f1-score dan 0,0040 pada nilai loss. Model hasil dari penelitian tersebut diimplementasi dalam sebuah sistem yang dibangun dengan Streamlit, sehingga mampu menerima input gambar untuk mendeteksi potensi dari disgrafia dan disleksia. Sistem ini digunakan untuk mengeneralisasi data baru dari salah satu SLB dan SD yang ada di Kota Banda Aceh. Hasilnya, terdapat beberapa siswa yang berpotensi disgrafia, disleksia dan keduanya. Dari hasil prediksi tersebut juga didapati bahwa siswa yang berpotensi mengalami disgrafia tidak selalu menunjukkan potensi disleksia. Hal ini menunjukkan bahwa meskipun terdapat keterkaitan antara disgrafia dan disleksia, keduanya tidak selalu muncul bersamaan dan dapat berdiri sebagai gangguan yang terpisah. Kata kunci : Disgrafia, Disleksia, Tulisan tangan, CNN, YOLOv7, MobileNet V2 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 160595 2025-07-14 10:25:32 2025-07-15 00:04:05 machine generated