Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PROTOTIPE AKUISISI DAN DETEKSI CITRA ANAK AUTIS DENGAN RASPBERRY PI DAN SINGLE SHOT DETECTOR (SSD) BERBASIS DEEP LEARNING.
Pengarang
M. FAUZAN ALFARIZ - Personal Name;
Dosen Pembimbing
Melinda - 197906102002122001 - Dosen Pembimbing I
Maulisa Oktiana - 199010252020072101 - Dosen Pembimbing I
Nomor Pokok Mahasiswa
1904105010067
Fakultas & Prodi
Fakultas Teknik / Teknik Elektro (S1) / PDDIKTI : 20201
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas Teknik., 2025
Bahasa
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Abstrak – Wajah anak dapat memberikan petunjuk visual penting untuk mendeteksi Autism Spectrum Disorder (ASD) sejak dini, sehingga penelitian ini memfokuskan pengembangan sistem deteksi berbasis citra wajah anak dengan ASD. Permasalahan utama yang diangkat adalah kurangnya metode praktis untuk membantu tenaga kesehatan dalam identifikasi dini ASD melalui ciri-ciri visual wajah. Penelitian ini bertujuan untuk merancang prototipe sistem akuisisi dan deteksi wajah anak dengan ASD menggunakan Raspberry Pi dan algoritma Single Shot Detector (SSD) berbasis deep learning. Dalam metode ini, model deteksi wajah menggunakan arsitektur ResNet50 yang telah dimodifikasi, menghasilkan akurasi pengenalan sebesar 95 % pada data wajah anak dengan dan tanpa ASD. Uji coba real-time menunjukkan tingkat akurasi deteksi berkisar antara 86-90%, dengan rata- rata akurasi mencapai 90 % meskipun terdapat fluktuasi akibat variasi gerakan dan sudut pandang. Hasil ini menunjukkan bahwa sistem yang dikembangkan memiliki tingkat akurasi tinggi dan berpotensi menjadi alat bantu diagnostik awal yang andal dalam deteksi ASD, yang pada akhirnya dapat memfasilitasi intervensi dini oleh tenaga kesehatan untuk mendukung perkembangan optimal anak dengan ASD.
Kata Kunci: Autisme Spectrum Disorder, Deep Learning, OpenCV, Raspberry Pi,
Single Shoot Detector (SSD), ResNet50
Abstrak – This study discusses the development of an Autism Spectrum Disorder (ASD) detection system in children through facial image analysis. The system utilizes a Raspberry Pi and a Single Shot Detector (SSD) algorithm based on deep learning with a modified ResNet50 architecture. The results show that the system achieves a recognition accuracy of 95% on facial images of children with and without ASD. Real-time testing also demonstrates a high detection accuracy rate of around 86-90%. This system has the potential to become a reliable diagnostic tool for early ASD detection, facilitating early intervention by healthcare professionals to support optimal development in children with ASD. By advancing early detection and intervention, this research can contribute to improving the lives of children with ASD and their families. Kata Kunci: Autisme Spectrum Disorder, Deep Learning, OpenCV, Raspberry Pi, Single Shoot Detector (SSD), ResNet50
RANCANG BANGUN PROTOTIPE TERMAL UNTUK DETEKSI DINI KANKER PAYUDARA BERBASIS DEEP LEARNING (M ZHAFRAN RAMADHAN, 2023)
PENGEMBANGAN AUTONOMOUS MOBILE ROBOT PENGIRIM BARANG BERBASIS DEEP LEARNING (Udink Aulia, 2024)
ANALISIS PERBANDINGAN HOMOMORPHIC FILTER DAN MORPHOLOGICAL FILTER DALAM MENGKLASIFIKASI CITRA TERMAL WAJAH ANAK AUTIS MENGGUNAKAN INCEPTIONV3 (Cut Dara Tariliani, 2024)
SUBSTRAKSI LATAR MENGGUNAKAN NILAI MEAN UNTUK KLASIFIKASI KENDARAAN BERGERAK BERBASIS DEEP LEARNING (Ilal Mahdi, 2022)
SISTEM DETEKSI HAMA TIKUS PADA GUDANG PADI MENGGUNAKAN ALGORITMA YOLOV11 (M Irwan, 2025)