ANALISIS PARAMETER THERMAL IMAGING SEBAGAI INDIKATOR RESPONS FISIOLOGIS NON-SPESIFIK PADA ANAK AUTISME SPECTRUM DISORDER (ASD)

Andreansyah, Aziz Dhimas (2026) ANALISIS PARAMETER THERMAL IMAGING SEBAGAI INDIKATOR RESPONS FISIOLOGIS NON-SPESIFIK PADA ANAK AUTISME SPECTRUM DISORDER (ASD). Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text COVER.pdf Download (1MB) | Preview
	Text ABSTRAK.pdf Download (396kB)
	Text (BAB I Pendahuluan) BAB 1.pdf Restricted to Repository staff only Download (387kB) | Request a copy
	Text (BAB II Tinjauan Pustaka) BAB 2.pdf Restricted to Repository staff only Download (774kB) | Request a copy
	Text (BAB III Metodologi Penelitian) BAB 3.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV Hasil dan Pembahasan) BAB 4.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V Penutup) BAB 5.pdf Restricted to Repository staff only Download (350kB) | Request a copy
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (475kB) | Request a copy
	Text (Lampiran) LAMPIRAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Gangguan Spektrum Autisme (ASD) adalah gangguan perkembangan saraf yang dapat memengaruhi respons fisiologis seseorang. Pengukuran respons fisiologis secara konvensional umumnya masih mengandalkan sensor kontak, yang berpotensi menimbulkan ketidaknyamanan pada anak dengan ASD. Oleh karena itu, penelitian ini bertujuan untuk menganalisis parameter pencitraan termal sebagai indikator respons fisiologis non-spesifik menggunakan metode Convolutional Neural Network (CNN) dan Temporal Convolutional Network (TCN). Data pencitraan termal diperoleh menggunakan kamera MLX90640 dan kemudian diproses melalui tahapan pra-pemrosesan, pembentukan sekuens, pelabelan, pelatihan model, serta evaluasi menggunakan metrik Akurasi, Presisi, Recall, F1-score, dan Confusion Matrix. Hasil penelitian menunjukkan bahwa model CNN-TCN mencapai akurasi sebesar 44,44%, presisi 30,00%, recall 44,44%, dan F1-score 35,71%. Hasil ini mengindikasikan bahwa metode CNN-TCN mampu menganalisis dan mengklasifikasikan parameter termal berdasarkan data pencitraan termal, meskipun kinerja model masih perlu ditingkatkan. Penelitian ini diharapkan dapat menjadi acuan bagi pengembangan analisis fisiologis non-kontak berbasis pencitraan termal pada anak dengan Gangguan Spektrum Autisme (ASD).

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Gangguan Spektrum Autisme (ASD), Pencitraan termal, Convolutional Neural Network (CNN), Temporal Convolutional Network (TCN), Deep Learning.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	10 Aug 2026 01:58
Last Modified:	10 Aug 2026 01:58
URI:	http://eprints.polsri.ac.id/id/eprint/24328

Actions (login required)

View Item