Klasifikasi Autis Menggunakan Ekstraksi Fitur Speed Up Robust Feature (Surf) dengan Algoritma Boosting

Abstract

Autis adalah gangguan perkembangan neurobehavioral yang kompleks, ditandai dengan pola komunikasi terbatas dan berulang, kesulitan interaksi sosial, serta perbedaan dalam pemrosesan sensori. Penelitian ini bertujuan untuk mengklasifikasikan citra wajah anak autis dan wajah normal menggunakan metode ekstraksi fitur SURF (Speeded Up Robust Features) dengan algoritma boosting. Algoritma boosting yang dievaluasi meliputi Adaboost, Gradient Boosting, LightGBM, CatBoost, dan XGBoost. Dataset terdiri dari 102 sampel wajah autis dari bundaku autism clinic center dan 101 sampel wajah normal. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil menunjukkan bahwa algoritma boosting cukup baik dalam mengklasifikasikan wajah autis dan wajah normal. CatBoost mencapai akurasi tertinggi sebesar 80,49%. Hasil ini menunjukkan bahwa algoritma boosting cukup baik dalam klasifikasi wajah autis.