ZURIATON NAVISAH Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2025

Skripsi

Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang memengaruhi interaksi sosial dan komunikasi pada anak. Deteksi dini terhadap ASD sangat penting untuk mendukung intervensi dan terapi yang tepat. Namun, diagnosis konvensional masih bergantung pada tenaga medis profesional dan membutuhkan waktu yang cukup lama. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis deep learning yang mampu membedakan wajah anak ASD dan normal secara objektif dan efisien menggunakan citra wajah. Dataset yang digunakan terdiri dari data primer yang dikumpulkan langsung dari subjek penelitian dengan total dataset 700 citra. Model dilatih menggunakan tiga arsitektur CNN, yaitu EfficientNet-B0, MobileNetV3, dan ShuffleNet-V2. Data latih diperluas melalui augmentasi geometrik dan dilatih menggunakan pendekatan early stopping untuk mencegah overfitting. Evaluasi dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa arsitektur EfficientNet-B0 tanpa early stopping memberikan performa terbaik, dengan akurasi, presisi, recall, dan F1-score masing-masing sebesar 90%. Sementara itu, MobileNetV3 menunjukkan performa tinggi saat menggunakan early stopping dengan akurasi sebesar 88,57%. Perbandingan tersebut menunjukkan bahwa efektivitas strategi pelatihan sangat bergantung pada karakteristik model yang digunakan. Secara keseluruhan, sistem klasifikasi yang dikembangkan berhasil mendeteksi wajah anak ASD secara akurat dan efisien, serta berpotensi untuk digunakan sebagai alat bantu skrining awal di lingkungan dengan keterbatasan tenaga medis. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 167487 2025-07-25 15:08:20 2025-07-25 15:12:36 machine generated