Hotspot Detection Pada Citra Termal Wajah Anak Autis Dan Normal Berbasis Otsu Thresholding

Abstract

Gangguan Spektrum Autisme (ASD) adalah kelainan neurologis yang memengaruhi keterampilan komunikasi penting untuk kehidupan sehari-hari dan sering kali menimbulkan kesulitan dalam situasi sosial. Saat ini, diagnosis ASD masih sangat bergantung pada metode manusia dan kekurangan tanda-tanda biologis yang pasti. Diagnosis dini ASD memiliki dampak positif yang signifikan, terutama pada anak-anak. Teknik deep learning, khususnya dalam analisis citra medis wajah, telah menjadi fokus penelitian baru dalam deteksi ASD. Penggunaan citra termal sebagai metode pasif untuk menganalisis sinyal fisiologis terkait dengan ASD telah diusulkan. Dalam penelitian sebelumnya, telah dikembangkan model deep learning untuk mengklasifikasi wajah anak autis menggunakan citra termal, dengan data mentah 17 wajah termal autis dan 17 wajah termal anak normal. Namun, penelitian tersebut tidak memberikan informasi mengenai perbedaan secara signifikan antara citra termal wajah anak autis dan normal, dan hanya menggunakan arsitektur CNN secara umum. Penelitian ini bertujuan untuk mengisi celah tersebut dengan menganalisis perbedaan data kelas anak autis dan normal menggunakan Otsu Thresholding Hotspot Detection. Hasil Hotspot Detection menggunakan metode Otsu Thresholding menunjukkan bahwa citra kelompok anak autis adalah sebesar 99.466059, sedangkan untuk kelompok anak normal adalah sebesar 88.850546, mengindikasikan perbedaan yang signifikan antara kedua kelompok. Dengan demikian, dataset citra termal anak autis menunjukkan nilai hotspot detection yang lebih tinggi dibandingkan dengan anak normal.