Hadija Humaira Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Skripsi

Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan yang berdampak pada kemampuan komunikasi dan interaksi sosial anak. Salah satu pendekatan yang mulai dikembangkan untuk mendeteksi autisme secara dini adalah melalui analisis citra wajah. Penelitian ini bertujuan untuk membandingkan kinerja dua arsitektur model deep learning, yaitu Vision Transformer (ViT) dan hybrid CNN-ViT, dalam mengklasifikasikan citra wajah autisme dan non autisme. Dataset yang digunakan terdiri dari 1.380 citra wajah anak, masing-masing 690 citra autisme dan 690 citra non autisme. Teknik augmentasi data diterapkan untuk meningkatkan keragaman data pelatihan, serta transfer learning digunakan dengan memanfaatkan model pre-trained dari ImageNet-21k. Evaluasi dilakukan menggunakan metrik evaluasi akurasi dan fungsi loss. Hasil menunjukkan bahwa ViTmencapaiakurasi pengujian tertinggi sebesar 97,5% dan loss sebesar 4,16%, akurasi ViT sedikit lebih tinggi dibandingkan hybrid CNN-ViT yang mencapai 88,41% dan loss sebesar 33,05%. Hasil ini mengindikasikan bahwa ViT memiliki keunggulan dalam klasifikasi citra wajah anak autisme, terutama dalam hal kestabilan akurasi saat pelatihan. Temuan ini menunjukkan bahwa dengan deep learning, khususnya ViT, memiliki potensi besar untuk dimanfaatkan dalam proses skrining awal autisme secara lebih objektif. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 165499 2025-07-23 10:48:36 2025-07-23 10:59:19 machine generated