ARYA SUYANDA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Skripsi

Deteksi dini Autism Spectrum Disorder (ASD) merupakan tantangan krusial dalam intervensi perkembangan anak. Penelitian ini mengusulkan sebuah pendekatan deep learning untuk klasifikasi ASD secara otomatis sebagai alat bantu skrining yang objektif. Tujuan dari penelitian ini adalah untuk merancang dan mengevaluasi kinerja model Convolutional Neural Network (CNN) VGG19 yang diadaptasi menggunakan pendekatan transfer learning.Metodologi penelitian menggunakan representasi landmark wajah yang berfokus secara eksklusif pada area mata dan dahi melalui proses pra-pemrosesan dua-tahap menggunakan Dlib dan MediaPipe. Model dilatih menggunakan dataset yang terdiri dari 1.238 citra dengan komposisi seimbang antara kelas ASD dan non-ASD. Meskipun batas maksimal pelatihan ditetapkan sebanyak 150 epoch, sistem mencapai titik konvergensi optimal pada epoch ke-27 melalui mekanisme Early Stopping yang dipicu oleh kestabilan nilai validation loss.Hasil pengujian pada data uji menunjukkan tingkat akurasi yang sangat tinggi sebesar 94,35% dengan nilai AUC mencapai 0,9844. Model juga menunjukkan performa yang seimbang dengan nilai F1-score sebesar 94,4% untuk kelas ASD dan 94,3% untuk kelas normal. Temuan ini membuktikan bahwa isolasi fitur geometris pada area mata dan dahi sangat efektif dalam mendeteksi pola ASD, sehingga metode ini memiliki potensi besar untuk dikembangkan sebagai alat bantu skrining digital yang valid dan akurat bagi anak-anak. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1713769 2026-04-13 15:56:12 2026-04-13 16:13:48 machine generated