eprintid: 32264
rev_number: 16
eprint_status: archive
userid: 12
dir: disk0/00/03/22/64
datestamp: 2026-07-21 02:53:27
lastmod: 2026-07-21 02:53:27
status_changed: 2026-07-21 02:53:27
type: thesis
metadata_visibility: show
creators_name: Fadhila, Arvi Rizqi
creators_nim: 22.11.4693
contributors_name: Sunyoto, Andi
corp_creators: Universitas AMIKOM Yogyakarta
title: ANALISIS KOMPARATIF MODEL DEEP LEARNING
PRETRAINED UNTUK DETEKSI DINI AUTISME 
PADA ANAK BERBASIS CITRA WAJAH
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.004
divisions: if
full_text_status: restricted
keywords: Autism Spectrum Disorder, MobileViTv2, Deep learning, Lightweight
model, Preprocessing, AUC, Test-Time Augmentation.
abstract: Autism Spectrum Disorder (ASD) adalah gangguan perkembangan saraf yang
memerlukan deteksi dini untuk intervensi yang efektif. Penelitian ini mengevaluasi
kinerja dan efektivitas arsitektur ringan MobileViTv2 dalam klasifikasi ASD
berbasis cintra wajah. Selain itu, dengan membandingkan dataset default (dataset
asli) dan dataset yang dipotong (fokus pada ROI wajah), penelitian ini menganalisis
dampak strategi preprocessing. Metode penelitian menggunakan kerangka
eksperimental yang terdiri dari tiga fase. Pertama, pelatihan dasar; kedua, optimasi
hyperparameter menggunakan framework Optuna dengan penyempurnaan parsial;
dan ketiga, evaluasi akhir menggunakan Peningkatan Waktu Tes (TTA). 2.940
gambar wajah anak dengan pembagian stratified 70:15:15 digunakan. Akurasi,
sensitivitas, spesifisitas, dan analisis efisiensi komputasi mendukung evaluasi
dengan metrik AUC sebagai indikator utama. Hasil penelitian menunjukkan bahwa
MobileViTv2 adalah model terbaik dengan nilai AUC tertinggi sebesar 0,9575 dan
akurasi tertinggi sebesar 0,9002. Dengan parameter ±5,8 juta dan ukuran model ±41
MB, MobileViTv2 mengungguli EfficientNetV2-S dan MobileNetV3-Large.
Untuk menjaga keseimbangan antara sensitivitas dan spesifisitas selama proses
preprocessing, penggunaan sampel default secara konsisten lebih baik daripada
sampel cropped. Hasilnya menunjukkan bahwa konteks wajah utuh memberi model
informasi visual yang lebih kaya. MobileViTv2 sangat cocok untuk digunakan
sebagai sistem skrining awal ASD pada perangkat mobile karena efisiensi dan
akurasi yang tinggi.
date: 2026-01-27
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Fadhila, Arvi Rizqi  (2026) ANALISIS KOMPARATIF MODEL DEEP LEARNING PRETRAINED UNTUK DETEKSI DINI AUTISME PADA ANAK BERBASIS CITRA WAJAH.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32264/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32264/8/Sourcecode%20-%2022.11.4693.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32264/9/Publikasi.pdf