Sistem Deteksi Gangguan Spektrum Autisme pada Anak Melalui Metode Facial Landmarks dan Machine Learning pada Citra Respons Emosional

Rachmah, Indah Nabila (2024) Sistem Deteksi Gangguan Spektrum Autisme pada Anak Melalui Metode Facial Landmarks dan Machine Learning pada Citra Respons Emosional. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of Buku TA_Indah Nabila Rachmah_5023201003_no watermark.pdf] Text
Buku TA_Indah Nabila Rachmah_5023201003_no watermark.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2026.

Download (5MB) | Request a copy

Abstract

Meskipun prevalensi Autism Spectrum Disorder (ASD) terus meningkat secara global, metode skrining saat ini untuk deteksi dini tetap memakan waktu dan mahal, yang menyoroti kesenjangan penelitian yang kritis. Penelitian ini bertujuan untuk mengembangkan sistem deteksi baru untuk ASD pada anak-anak, memanfaatkan landmark wajah dan metode pembelajaran mesin untuk menganalisis gambar respons emosional. Pendekatan kami melibatkan penangkapan ekspresi wajah spontan menggunakan sensor pencitraan non-invasif, diikuti dengan ekstraksi landmark wajah kunci. Dua model klasifikasi, Support Vector Machine (SVM) dan Convolutional Neural Network (CNN), diimplementasikan untuk menganalisis dan mengklasifikasikan landmark wajah ini. Model SVM mencapai akurasi 92.54%, presisi 93.43%, recall 92.56%, dan skor F1 92.42%, sementara model CNN mencapai akurasi 84.16%, presisi 83.06%, recall 85.83%, dan skor F1 84.42%. Studi ini menunjukkan potensi integrasi teknik pembelajaran mesin lanjutan dengan ekstraksi landmark wajah untuk deteksi dini ASD yang andal dan non-invasi. Kinerja menjanjikan dari model SVM dan CNN menunjukkan bahwa pendekatan kami dapat secara signifikan meningkatkan strategi diagnosis dan intervensi dini untuk anak-anak dengan ASD. Selain itu, penggunaan dataset yang beragam dan real-time serta langkah-langkah pra-pemrosesan yang efektif memastikan akurasi, keandalan, dan generalisasi sistem deteksi ini. Potensi sistem yang diusulkan untuk aplikasi praktis dalam diagnosis dini ASD ditingkatkan oleh integrasi teknik pencitraan non-invasi yang berhasil dan pengembangan GUI yang ramah pengguna, membuka jalan untuk deteksi real-time dan pelaporan otomatis, yang pada akhirnya berkontribusi pada hasil perkembangan yang lebih baik dan kualitas hidup anak-anak yang terkena ASD.

Item Type: Thesis (Other)
Uncontrolled Keywords: Gangguan Spektrum Autisme (ASD), Penanda Wajah, Pembelajaran Mesin, Gambar Respons Emosional, Pencitraan Non-Invasi, Autism Spectrum Disorder (ASD), Facial Landmarks, Machine Learning, Emotional Response Images, Non-Invasive Imaging
Subjects: R Medicine > RJ Pediatrics > RJ101 Child Health. Child health services
T Technology > T Technology (General) > T385 Visualization--Technique
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions: Faculty of Electrical Technology > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User: Indah Nabila Rachmah
Date Deposited: 09 Aug 2024 08:38
Last Modified: 09 Aug 2024 08:38
URI: http://repository.its.ac.id/id/eprint/113008

Actions (login required)

View Item View Item