KLASIFIKASI PENYAKIT AUTISM SPECTRUM DISORDER (ASD) PADA CITRA MRI MENGGUNAKAN K-NEAREST NEIGHBORS (KNN)

Autism Spectrum Disorder (ASD) adalah gangguan perkembangan saraf yang terjadi sejak dini,rnmenyebar, dan seumur hidup yang ditandai dengan tantangan dalam komunikasi sosial dan polarnperilaku yang berulang dan terbatas serta respons atipikal terhadap rangsangan sensorik. Diagnosarnautisme adalah langkah paling awal untuk mengetahui seseorang penderita autisme secara dini.rnNamun kurangnya pemahaman orang tua mengenai gejala-gejala autism membuat penangananrnterhadap penyakit ini lambat di deteksi. Salah satu faktor penyebab autism yaitu dari faktor genrnatau keturunan dari orang tua. Pada beberapa tahun terakhir sudah dilakukan beberapa penelitianrndengan menggunakan objek autism dan metode yang berbeda-beda. Pada penelitian tersebut masihrnmendapati kekurangan seperti hanya menggunakan data dari ABIDE I dan hasil akurasi masihrnbelum sempurna. Maka dari itu, peneliti ini bertujuan untuk mengklasifikasi penyakit AutismrnSpectrum Disorder (ASD) melalui 3D citra MRI scan dengan menggunakan data dari AutismrnBrain Imaging Data Exchange (ABIDE). Data yang digunakan pada penelitian ini diambil darirnsalah satu situs yaitu Stanford University berdasarkan ABIDE I dan ABIDE II berupa data MRIrnotak yang terdiri dari 2 kelas yaitu ASD dan Non ASD. Penelitian ini menggunakan 82 data citrarndari 41 pasien pengidap ASD dan 41 Non ASD. Rata-rata ukurannya 256 x 256 piksel danrnmemiliki 256 slice. Data tersebut akan dihilangkan terlebih dahulu bagian non otak dan akanrndisimpan dengan format NITFI-GZ (*.nii.gz). sebelum dilakukan proses klasifikasi data tersebutrnakan dilakukan proses ekstraksi fitur menggunakan Gray Level Co-occurrence Matrix (GLCM)rnuntuk mengukur tingkat keabuan dan ukuran yang terdapat pada citra MRI, setelah itu akanrndilakukan klasifikasi menggunakan algoritma K-Nearest Neighbors (KNN) dengan percobaanrnnilai K=3, K=5, dan K=7. Penelitian ini menggunakan Google Collab dalam membangun modelrnmachine learning. Dari seluruh pengujian hasil terbaik diperoleh dari data single Plane coronalrnmenggunakan ekstraksi fitur GLCM sudut 90 dan model KNN dengan jarak K=3 yangrnmenghasilkan nilai Accuracy sebesar 83.47%, presisi sebesar 83.93%, recall sebesar 83.47%.