Email this article 
Implementation of Convolutional Neural Network (CNN) in Facial Expression Recognition
Abstract
Tujuan: Membantu pengajar melakukan monitoring emosi siswa dengan menerapkan metode Convolutional Neural Network pada aplikasi, serta mengetahui akurasi dalam melakukan pengenalan ekspresi wajah.
Perancangan/metode/pendekatan: Menggunakan Convolutional Neural Network untuk mengklasifikasi pengolahan berupa citra. Pengembangan sistem menggunakan metode prototype.
Hasil: Berdasarkan hasil pengujian yang dilakukan dengan menggunakan 3589 data ekspresi dasar manusia mendapatkan nilai akurasi sebesar 70,46%, nilai presisi sebesar 71% dan nilai recall sebesar 70%.
Keaslian/ state of the art: Berdasarkan penelitian sebelumnya, penelitian ini mempunyai karakteristik yang relatif serupa dalam tema penelitian. Namun memiliki perbedaan pada metode penelitan, perangkat yang digunakan, dan hasil keluaran penelitian.
Pada penelitian sebelumnya, dengan objek yang sama yaitu wajah dan emosi wajah, pada metode yang digunakan, perangkat dalam pengambilan citra emosi dan wajah, serta langkah-langkah dalam prosesnya pun berbeda. Pada penelitian ini emosi pada wajah diidentifikasi melalui citra yang diambil secara real-time menggunakan kamera dan dengan menerapkan metode Convolutional Neural Network dengan arsitektur visual group geometry (VGG) dengan 11, 13, 16 dan 19 lapisan yang akan menghasilkan probabilitas ekspresi dalam 7 ekspresi dasar manusia beserta kategorinya.
Keywords
Full Text:
PDFReferences
M. Y. Florestiyanto, A. H. Pratomo, And N. I. Sari, “Penguatan Ketepatan Pengenalan Wajah Viola-Jones Dengan Pelacakan,” Teknika, Vol. 9, No. 1, Pp. 31–37, 2020.
H. Abhirawan, Jondri, And A. Arifianto, “Pengenalan Wajah Menggunakan Convolutional Neural Networks (Cnn),” Univ. Telkom, Vol. 4, No. 3, Pp. 4907–4916, 2017.
Z. Abidin, “Pengembangan Sistem Pengenalan Ekspresi Wajah Menggunakan Jaringan Syaraf Tiruan Backpropagation (Studi Kasus Pada Database Mug),” J. Mat. Murni Dan Terap., Vol. 5, No. 1, Pp. 21–30, 2011.
C. Chotimah, P. Studi, D. I. V Kebidanan, F. Kedokteran, And U. S. Maret, “Hubungan Kestabilan Emosi Dengan Prestasi Belajar Pada Siswa Kelas X Di Sma Negeri 1 Karanganom Klaten,” Pp. 1–58, 2010.
R. Wijanarko And N. Eko, “Deteksi Wajah Berbasis Segmentasi Warna Kulit Menggunakan Ruang Warna Ycbcr & Template Matching,” Cendekia Eksata, Vol. 2, No. 1, Pp. 1–6, 2017.
I. N. Dedi Ary Prasetya, “Deteksi Wajah Metode Viola Jones Pada Opencv Menggunakan Pemrograman Python,” Simp. Nas. Rapi Xi Ft Ums, Pp. 18–23, 2012.
A. Saputra And T. Agung Budi W, “Pengenalan Ekspresi Wajah Menggunakan Local Binary Pattern ( Lbp ),” Repos. Telkom Univ., No. 1103081084, 2015.
K. Shan, J. Guo, W. You, D. Lu, And R. Bie, “Automatic Facial Expression Recognition Based On A Deep Convolutional-Neural-Network Structure,” Proc. - 2017 15th Ieee/Acis Int. Conf. Softw. Eng. Res. Manag. Appl. Sera 2017, Pp. 123–128, 2017.
M. Zufar And B. Setiyono, “Convolutional Neural Networks Untuk Pengenalan Wajah Secara Real-Time,” J. Sains Dan Seni Its, Vol. 5, No. 2, Pp. 72–77, 2016.
C. Shorten And T. M. Khoshgoftaar, “A Survey On Image Data Augmentation For Deep Learning,” J. Big Data, 2019.
K. Simonyan And A. Zisserman, “Very Deep Convolutional Networks For Large-Scale Image Recognition,” 3rd Int. Conf. Learn. Represent. Iclr 2015 - Conf. Track Proc., Pp. 1–14, 2015.
K. Aprilianta, H. C. Rustamaji, Y. Fauziah, P. Studi, T. Informatika, And K. Sleman, “Convolutional Neural Network Dalam,” Vol. Xx, No. Xx, Pp. 1–10, 2019.
Ian Goodfellow, Y. Bengio, And A. Courville, Deep Learning. 2019.
H. J. Jie And P. Wanda, “Runpool: A Dynamic Pooling Layer For Convolution Neural Network,” Int. J. Comput. Intell. Syst., Vol. 13, No. 1, Pp. 66–76, 2020.
J. W. G. Putra, “Pengenalan Konsep Pembelajaran Mesin Dan Deep Learning,” Vol. 4, Pp. 1–235, 2019.
S. R. Dewi, “Deep Learning Object Detection Pada Video,” Deep Learn. Object Detect. Pada Video Menggunakan Tensorflow Dan Convolutional Neural Netw., 2018.
S. Ioffe And C. Szegedy, “Batch Normalization: Accelerating Deep Network Training By Reducing Internal Covariate Shift,” 32nd Int. Conf. Mach. Learn. Icml 2015, Vol. 1, Pp. 448–456, 2015.
B. Yuwono, “Image Smoothing Menggunakan Mean Filtering, Median Filtering, Modus Filtering Dan Gaussian Filtering,” Telematika, Vol. 7, No. 1, 2015.
Khodijah, N. (2014). Psikologi Pendidikan. Jakarta: Rajawali Pers.
DOI: https://doi.org/10.31315/telematika.v18i2.4823
DOI (PDF): https://doi.org/10.31315/telematika.v18i2.4823.g3833
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Status Kunjungan Jurnal Telematika