DEEP LEARNING UNTUK MENDETEKSI EMOSIONAL WAJAH MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN TENSORFLOW
Abstract
: Penelitian ini mengimplementasikan metode Deep Learning untuk mendeteksi emosional wajah menggunakan algoritma convolutional neural network (CNN) dengan Tensorflow. Penelitian ini menggunakan total dataset yang terdiri dari 3.590 citra emosional wajah 2.890 untuk training dan 700 unutuk testing. Metode yang diterapkan dalam penelitian ini adalah metode Convolutinonal Neural Network (CNN) untuk mendeteksi emosional wajah menggunakan Tensorflow. Penelitian ini memilih CNN sebagai metode utama dalam klasifikasi emosi wajah karena kemampuannya yang unggul dalam pengolahan citra. CNN mampu mengekstraksi fitur visual secara otomatis termasuk pola ekspresi wajah seperti posisi mata,mulut, dan perubahan ekspresi tanpa memerlukan ekstraksi fitur manual.yang tepat dapat mencapai tingkat akurasi tinggi dalam mengenali berbagai emosi seperti bahagia, sedih, marah, dan terkejut. Dari hasil penelitian menghasilkan akurasi menggunakan epoch 50 dan batch-size 64 dari keseluruhan nya mendapatkan nilai akurasi sebesar 68% . Metode CNN berhasil membaca emosional wajah seseorang dengan menghasilkan akurasi yang berbeda-beda. Berdasarkan hasil ini, dapat disimpulkan bahwa implementasi metode CNN efektif untuk mendeteksi emosional wajah dengan akurasi yang berbeda-beda.
References
Alamsyah, D., & Pratama, D. (2020). Implementasi Convolutional Neural Networks (CNN) untuk Klasifikasi Ekspresi Citra Wajah pada FER-2013 Dataset. Jurnal Teknologi Informasi, 4(2), 350–355. https://doi.org/10.36294/jurti.v4i2.1714
Amaanullah, R. R., Pasfica, G. R., Nugraha, S. A., Zein, M. R., & Adhinata, F. D. (2022). Implementasi Convolutional Neural Network Untuk Deteksi Emosi Melalui Wajah. JTIM : Jurnal Teknologi Informasi Dan Multimedia, 3(4), 236–244. https://doi.org/10.35746/jtim.v3i4.189
Azhar, I., & Fitriyani. (2021). Implementasi Algoritma Convolutional Neural Network Dalam Deteksi Emosi Manusia Berdasarkan Ekspresi Wajah. EProsiding Teknik Informatika (PROTEKTIF), 1(1), 112–118. http://eprosiding.ars.ac.id/index.php/pti/article/view/198%0Ahttps://eprosiding.ars.ac.id/index.php/pti/article/download/198/113
Azizi, F. (2021). Deteksi Emosi Menggunakan Citra Ekspresi Wajah Secara Otomatis. Informatics Engineering, 1–44. https://dspace.uii.ac.id/handle/123456789/35834
Chen, J., Wei, D., Long, T., Luo, T., & Wang, H. (2022). Pest classification based on convolutional neural network. Journal of Chinese Agricultural Mechanization, 43(11), 188–194. https://doi.org/10.13733/j.jcam.issn.2095-5553.2022.11.026
Ihsan, M., Niswatin, R. K., & Swanjaya, D. (2021). Deteksi Ekspresi Wajah Menggunakan Tensorflow. Joutica, 6(1), 428. https://doi.org/10.30736/jti.v6i1.554
Musa, P., Anam, W. K., Musa, S. B., Aryunani, W., Senjaya, R., & Sularsih, P. (2023). Pembelajaran Mendalam Pengklasifikasi Ekspresi Wajah Manusia dengan Model Arsitektur Xception pada Metode Convolutional Neural Network. Rekayasa, 16(1), 65–73. https://doi.org/10.21107/rekayasa.v16i1.16974
Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia. Algor, 2(1), 12–21.
Zahara, L., Musa, P., Prasetyo Wibowo, E., Karim, I., & Bahri Musa, S. (2020). The Facial Emotion Recognition (FER-2013) Dataset for Prediction System of Micro-Expressions Face Using the Convolutional Neural Network (CNN) Algorithm based Raspberry Pi. 2020 5th International Conference on Informatics and Computing, ICIC 2020, March 2021. https://doi.org/10.1109/ICIC50835.2020.9288560
_.png)
.png)
