Pengenalan Ekspresi Wajah Menggunakan Arsitektur Xception dan DenseNet

⭐ Hardjadinata, Hannatassja (2021) Pengenalan Ekspresi Wajah Menggunakan Arsitektur Xception dan DenseNet. 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 (1MB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (162kB)
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (37kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (302kB) | Preview
	Text BAB_III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (183kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (29kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (786kB)

Abstract

Pengenalan ekspresi wajah banyak diperhatikan oleh peneliti dikarenakan perkembangan Artificial Intelligence yang cukup pesat. Pengenalan ekpresi wajah ini digunakan untuk membantu komputer untuk berinteraksi dengan manusia. Selain itu juga, pengenalan ekpresi digunakan pada psychological recognition, Human Computer Interaction, Assisted Driving, dan Keamanan stasiun dalam kehidupan sehari- hari. Tetapi penelitian ini lebih banyak berfokus kepada pendekatan machine learning dibandingkan dengan deep learning dan variasi emosi yang dideteksi mempunyai jumlah yang lebih sedikit. Pengenalan ekspresi wajah tersebut dapat diterapkan dengan menggunakan deep learning. Arsitektur yang sering digunakan dan dianggap paling terbaik untuk data yang berbentuk gambar adalah Convolutional Neural Network. Oleh karena itu, penelitian ini membangun model Convolutional Neural Network dengan arsitektur Xception dan DenseNet. Kedua model tersebut dibandingkan akurasinya, dengan hasil akurasi Xception sebesar 70% dan hasil akurasi DenseNet sebesar 79%.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Hardjadinata, Hannatassja (00000022530)
Contributors:	Prasetiawan, Iwan (0312046501) Sunardi Oetama, Raymond
Keywords:	convolutional neural network, deep learning, ekspresi wajah, emosi dasar
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.4 System Programming, Operating System, Computer Interface
Sustainable Development Goals:	Goal 08. Promote sustained, inclusive and sustainable economic growth, full and productive employment and work for all Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	24 Aug 2021 12:00
URI:	https://kc.umn.ac.id/id/eprint/17624

Actions (login required)

View Item