Siti Nurrahmasita Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Skripsi

Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang perlu dideteksi sejak dini untuk mendukung penanganan yang tepat. Penelitian ini bertujuan membandingkan performa tiga arsitektur EfficientNet, yaitu EfficientNetB0, EfficientNetB1, dan EfficientNetB2, dalam klasifikasi citra wajah anak ke dalam kategori autisme dan non autisme. Dataset yang digunakan terdiri dari 1.380 citra wajah, kemudian diproses melalui deteksi wajah menggunakan MTCNN dan augmentasi data (rotasi, flip, zoom, brightness adjustment, dan Gaussian noise). Model dilatih menggunakan metode transfer learning berbasis ImageNet dan fine tuning pada 10 lapisan akhir. Hasil menunjukkan bahwa EfficientNetB0 memberikan performa terbaik dengan akurasi pelatihan 99,83%, validasi 98,19%, dan pengujian 98,55%, serta nilai loss pengujian 4,08%. EfficientNetB1 mencapai akurasi pengujian 97,83% dengan loss 5,53%, sementara EfficientNetB2 juga memiliki akurasi 97,83% dengan nilai loss sebesar 4,22%. Ketiganya menunjukkan kinerja tinggi. Namun, EfficientNetB0 dinilai paling optimal karena efisien secara komputasi, stabil saat pelatihan, memiliki loss pengujian terkecil, dan risiko overfitting yang lebih rendah. Hasil ini mengindikasikan bahwa EfficientNetB0 layak digunakan sebagai solusi efektif untuk sistem klasifikasi wajah berbasis deep learning dalam mendukung skrining awal ASD secara praktis. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 165537 2025-07-23 11:11:20 2025-07-23 11:34:40 machine generated