PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK ANALISIS DAN DETEKSI GANGGUAN SPEKTRUM AUTISME DISORDER

Autism Spectrum Disorder (ASD) merupakan gangguan saraf dimana seseorang memilki efek seumur hidup pada interaksi dan komunikasi dengan orang lain. Autisme dapat didiagnosis pada setiap tahap dalam satu kehidupan karena dalam dua tahun pertama kehidupan gejala autisme biasa muncul. Gejala ASD muncul dimulai pada masa kanak-kanak dan terus berlanjut hingga remaja dan dewasa. Didorong dengan meningkatnya penggunaan teknik pembelajaran mesin dalam dimensi penelitian diagnosis medis, dalam makalah ini ada upaya untuk mengeksplorasi kemungkinan penggunaan Naïve Bayes, Regresi Logistik, Support Vector Machine, Neural Network, KNN dan Convolutional Neural Network untuk memprediksi dan menganalisis masalah ASD pada anak, remaja, dan orang dewasa. Teknik yang diusulkan dievaluasi pada tiga set data ASD non-klinis yang tersedia untuk umum. Dataset pertama terkait skrining ASD pada anak memiliki 292 instance dan 21 atribut. Dataset kedua yang terkait dengan skrining ASD Subjek dewasa berisi total 704 kejadian dan 21 atribut. Dataset ketiga terkait skrining ASD pada subjek Remaja terdiri dari 104 kejadian dan 21 atribut. Setelah menerapkan berbagai teknik pembelajaran mesin dan menangani nilai yang hilang, hasil prediksi dengan model berbasis Convolutional Neural Network memilki tingkat kinerja dan akurasi yang lebih baik yaitu sebesar 99,53% untuk deteksi ASD pada dewasa, 98,30% untuk deteksi ASD pada anak-anak dan 96,88% untuk deteksi pada Remaja.