Klasifikasi Autism Spectrum Disorder Pada Citra Tiga Dimensi Struktural Magnetic Resonance Image Berbasis Arsitektur Densenet-121

Autism Spectrum Disorder (ASD) adalah gangguan perkembangan saraf yang memengaruhi interaksi sosial, komunikasi, dan perilaku. Deteksi dini ASD melalui pencitraan Magnetic Resonance Imaging (MRI) pada otak telah menjadi pendekatan potensial dalam meningkatkan diagnosis dan intervensi. Penelitian ini bertujuan untuk mengklasifikasikan ASD menggunakan dataset Autism Brain Imaging Data Exchange I (ABIDE I) yang terdiri dari 1102 citra MRI berformat NIFTI-GZ (.nii.gz). Data ini dikategorikan ke dalam dua kelas, yaitu Autism Spectrum Disorder (ASD) dan Typical Control (TC), dan melalui proses skull stripping untuk menghilangkan bagian non-otak sebelum disimpan dalam format NIFTI (.nii). Metode automatic slice selection diterapkan untuk memilih irisan optimal guna meningkatkan efisiensi ekstraksi fitur. Convolutional Neural Network (CNN) khususnya arsitektur DenseNet-121 digunakan dalam proses klasifikasi ini. CNN adalah jenis jaringan saraf tiruan yang dirancang khusus untuk memproses data citra dengan cara menangkap pola spasial melalui operasi konvolusi. Model DenseNet-121 dipilih karena kemampuannya dalam menangkap pola fitur secara optimal melalui arsitektur yang mendalam. Hasil penelitian menunjukkan bahwa Learning rate 0.0001 menghasilkan akurasi terbaik untuk plane Axial (82%), Coronal (89%), Sagittal (81%), dan Multiplane (78%) dengan Batch Size optimal 64 untuk Axial serta Batch Size 16 untuk Coronal dan Sagittal, serta Batch Size 32 untuk Multiplane. Coronal menunjukkan performa terbaik dengan akurasi 89%, mengindikasikan bahwa plane ini mengandung fitur yang lebih informatif untuk klasifikasi ASD. Selain itu, penggunaan teknik Ensemble yaitu Soft Voting dan Hard Voting meningkatkan akurasi model secara signifikan, masing-masing mencapai 98% dan 97%. Hasil ini menunjukkan bahwa pemilihan hyperparameter learning rate dan batch size serta teknik yang tepat sangat penting dalam mengoptimalkan performa model deep learning pada klasifikasi Autism Spectrum Disorder (ASD) menggunakan arsitektur DenseNet-121