Autism spectrum disorder (ASD) disebabkan oleh suatu perbedaan yang ada pada otak sehingga menimbulkan kecacatan pada perkembangan otak. Orang yang memiliki ASD seringkali memiliki masalah dengan komunikasi serta interaksi sosial dan perilaku juga mempengaruhi terhadap minat yang terbatas atau terulang. Orang yang memiliki ASD kemungkinan juga memiliki cara yang berbeda untuk belajar, bergerak serta untuk memperhatikan sekitar. Tidak hanya penderita ASD saja yang memiliki gejala ini kemungkinan orang yang tidak memiliki ASD juga mengalami gejala tersebut. Namun yang membedakan antara orang yang memiliki dan tidak memiliki ASD adalah pada orang yang memiliki ASD gejala-gejala tersebut dapat mempengaruhi kehidupan mereka.
Berdasarkan artikel berjudul “Web-based autism screening using facial images and convolutional neural network”. Artikel tersebut ditulis oleh Mohamed Ikermane dan Abdelkrim El Mouatasim dan diterbitkan pada jurnal Indonesian Journal of Electrical Engineering and Computer Science (IJEECS) pada volume 29 issue 2 tahun 2023. Penulis membuat penelitian tersebut karena alat skrining ASD seperti autism diagnostic observational schedule (ADOS) dan the autism diagnostic interview (ADI) memerlukan waktu yang panjang serta biaya yang mahal. Karena hal tersebut penulis menawarkan suatu cara pendeteksian ASD secara online, praktis, cepat dan mudah yang berbasis website. Dengan alat yang usulkan penulis dapat memenuhi kebutuhan alat skrining ASD yang mendesak. Dimana hasil skrining ASD tersebut dapat digunakan untuk meningkatkan kemampuan kognitif, mendukung pertumbuhan dan mempengaruhi kehidupan seorang yang memiliki ASD dan keluarganya secara positif.
Pada artikel yang ditulis Mohamed Ikermane dan Abdelkrim El Mouatasim menggunakan metode CNN DenseNet model dimana dengan menggunakan metode tersebut gambar dapat diklasifikasikan secara lebih akurat. Selain menggunakan CNN DenseNet penulis juga menggunakan control subgradient algorithm (CSA) optimizer untuk mengurangi nilai loss dan meningkat akurasi pada saat pendeteksian. Kedua metode tersebut kemudian dikombinasikan dan buat dalam suatu struktur yang berbasis aplikasi web. Penulis menggunakan sebuah dataset yang dibuat sendiri yang dibedakan atas tiga bagian yaitu 80% data training, 15% data tes, dan 5% data validasi. Masing-masing bagian memiliki data sampel autis dan non autis yang terdiri atas anak berumur 2 sampai 4 tahun. Dataset yang dibuat sebagai Latihan pada sistem dapat diakses Kaggle Autism face pictures dataset “https://github.com/mm909/Kaggle-Autism”. Cara mendeteksi seorang anak memiliki ASD atau tidak dapat dilihat dengan cara morfologi wajah, morfologi wajah anak ASD dibandingkan dengan anak normal panjang garis putih lebih panjang, sedangkan panjang garis hitam lebih pendek
Hasil dari penelitian yang dilakukan oleh Mohamed Ikermane dan Abdelkrim El Mouatasim berdasarkan metode CNN model mencapai nilai training 99,9. Kemudian nilai evaluasi dengan metode CNN DenseNet berdasarkan data tes, hasil yang dicapai penulis mencapai presentasi 98%. Data yang diidentifikasi berjumlah 434 foto wajah termasuk dengan data tes yang ada. Pengoptimal CSA memperbarui bobot di setiap iterasi dari setiap sesi, memungkinkan model untuk belajar dengan cepat, sehingga setelah 10 sesi, nilai kerugian secara bertahap menurun dan akurasi jauh lebih baik.
Cara kerja website pendeteksi ASD yang diciptakan Mohamed Ikermane dan Abdelkrim El Mouatasim adalah sebagai berikut.
- Pengguna mengunggah foto yang akan dideteksi pada aplikasi dengan batas usia maksimal 14 tahun.
- Kemudian foto yang diunggah tersebut akan terkirim pada server aplikasi.
- Di server, foto tersebut dideteksi dengan cara image pre-processing lalu kemudian dideteksi dengan ASD image prediction.
- Setelah melalui tahapan tadi gambar kemudian diklasifikasikan menggunakan CNN DenseNet model yang ada pada server.
- Klasifikasi dari foto yang diupload menentukan apakah anak tersebut memiliki gejala autis atau tidak berdasarkan karakteristik wajah.
- Setelah gambar diklasifikan akan menghasilkan kemungkinan dari foto tersebut.
- Kemudian hasil kemungkinan dan klasifikasi ditampilkan pada halaman hasil website.
- Pengguna dapat melihat foto yang diunggah dengan tambahan probabilitas dari klasifikasi foto tersebut pada halaman result.
Redaksi: Dwi Ilham JR
Sumber:
- GitHub – mm909/Kaggle-Autism: Detecting Autism Spectrum Disorder in Children With Computer Vision – Adapting facial recognition models to detect Autism Spectrum Disorder
- Signs and Symptoms of Autism Spectrum Disorders | CDCWeb-based autism screening using facial images and convolutional neural network | Ikermane | Indonesian Journal of Electrical Engineering and Computer Science (iaescore.com)
