KAYSA MARISA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Abstrak - Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan sistem saraf yang selama ini diidentifikasi melalui observasi perilaku dan wawancara klinis, yang bersifat subjektif dan memerlukan waktu lama. Penelitian ini bertujuan merancang model klasifikasi menggunakan Graph Convolutional Networ k (GCN) berdasarkan sinyal Electroencephalogram (EEG) yang telah dikonversi ke dalam bentuk citra heatmap untuk merepresentasikan aktivitas otak secara visual. Guna memperkaya data pelatihan, digunakan metode Generative Adversarial Network (GAN) untuk menghasilkan citra sintetis tambahan. Proses klasifikasi dilakukan dengan pendekatan GCN, yang mampu memanfaatkan hubungan spasial antar piksel pada citra EEG untuk membedakan individu dengan ASD dan individu non-ASD. Hasil pengujian menunjukkan bahwa model GCN yang dilatih dengan data tambahan dari GAN (learning rate 0.0005) memberikan hasil evaluasi yang lebih tinggi dibandingkan model yang hanya menggunakan data asli. Model dengan data tambahan GAN mencapai akurasi sebesar 94,37%, presisi 94,42%, spesifisitas 91,63%, recall 94,37%, dan F1-score 94,36%. Sementara itu, model dengan data asli menghasilkan akurasi 93,90%, presisi 93,92%, spesifisitas 89,65%, recall 93,90%, dan F1-score 93,89%. Temuan ini menunjukkan bahwa penerapan metode GAN dalam proses augmentasi data mendukung kinerja model GCN dalam klasifikasi ASD secara lebih objektif dan akurat. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 166633 2025-07-24 15:17:31 2025-07-24 15:21:42 machine generated