Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Ekspresi Wajah

Lorent, Samuel (2021) Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Ekspresi Wajah. Bachelor Thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (389kB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (103kB)
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (183kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (480kB) | Preview
	Text BAB_III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (331kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (622kB)
	Text BAB_V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (106kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (278kB)

Abstract

Perkembangan teknologi telah memungkinkan aplikasi-aplikasi berbasis pembelajaran mesin untuk mendeteksi fitur wajah pada manusia. Salah satu fitur yang dapat dideteksi oleh sistem adalah ekspresi wajah. Penelitian ini bertujuan untuk mengimplementasikan algoritma CNN terhadap klasifikasi ekspresi wajah dan menguji hasil dari akurasi algoritma tersebut. Dataset yang digunakan pada penelitian ini adalah dataset FER2013 atau Facial Expression Recognition yang berisikan data pixel gambar yang mempunyai 7 buah label ekspresi berbeda. Untuk mempersiapkan proses training dan testing, data dibagi dengan test size sebanyak 0,1 dan training size 0,9. Proses training menggunakan model CNN dan Adam Optimizer sebagai salah satu hyperparameter dalam melakukan proses pelatihan. Hasil penelitian memperlihatkan bahwa penggunaan algoritma CNN dapat membuat model yang bisa melakukan klasifikasi ekspresi wajah dengan nilai akurasi 61% dan nilai loss sebanyak 1,019. Model yang ada juga dapat disematkan pada kamera untuk mendeteksi ekspresi wajah secara real-time.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Lorent, Samuel (00000021863)
Contributors:	Suryadibrata, Alethea
Keywords:	Convolutional Neural Network, Deep Learning, Emotion, Facial Expression, FER2013
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Sustainable Development Goals:	Goal 04. Ensure inclusive and equitable quality education and promote lifelong learning Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	24 Aug 2021 11:21
URI:	https://kc.umn.ac.id/id/eprint/17494

Actions (login required)

View Item