Ade Sri Rahayu Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Abstrak-Autism Spectrum Disorder (ASD) adalah gangguan perkembangan neurologis yang berdampak pada komunikasi, perilaku, dan interaksi sosial. Penelitian ini bertujuan mengklasifikasikan sinyal EEG beta (12–30 Hz) dari anak ASD dan anak normal menggunakan metode Discrete Wavelet Transform (DWT) dan algoritma Least Squares Support Vector Machine (LS-SVM). Data EEG dari 16 subjek dipra-proses dengan Independent Component Analysis (ICA), lalu disegmentasi menggunakan overlapping window berdurasi 2 detik dengan 50% overlap, menghasilkan 8.379 data berdimensi 16 channel × 512 sampel. Fitur diekstraksi menggunakan DWT (db4, 4 level) menghasilkan 320 fitur statistik, kemudian dinormalisasi menggunakan MinMaxScaler. Data dibagi menjadi 70% pelatihan dan 30% pengujian. Klasifikasi dilakukan menggunakan LS-SVM dengan kernel linear dan polynomial. Kernel polynomial menghasilkan akurasi 98,49%, precision 99,05%, recall 98,20%, dan F1-score 98,62%. Sementara kernel linear memperoleh akurasi 95,07%, precision 94,07%, recall 97,20%, dan F1-score 95,61%. Hasil ini menunjukkan bahwa kombinasi DWT dan LS-SVM, khususnya dengan kernel polynomial, sangat efektif dalam membedakan sinyal EEG beta antara anak ASD dan anak normal. Kata kunci : Autism Spectrum Disorder (ASD), Electroecephalogram (EEG), Sinyal Beta, Discrete Wavelet Transform (DWT), Least Squares Support Vector Machine (LS-SVM). 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 166611 2025-07-24 15:05:12 2025-07-24 15:10:04 machine generated