PENGENALAN EKSPRESI PADA WAJAH MENGGGUNAKAN PENGOLAHAN CITRA DIGITAL BERBASIS CONVOLUTIONAL NEURAL NETWORK

NATHANIEL SYALOMTA

Informasi Umum

Kode

22.04.1127

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

293 kali

Informasi Lainnya

Abstraksi

Dalam perkembangan masyarakat modern interaksi antara manusia dan komputer menjadi lebih sering terjadi, sehingga diperlukan klasifikasi ekspresi untuk memudahkan interaksi antara computer dengan manusia. Terdapat beberapa penelitian yang sudah membahas tentang klasifikasi ekpresi namun dengan jenis klasifikasi yang lebih sedikit dan juga dataset yang berbeda. Untuk menyempurnakan penelitian sebelumnya maka pada penelitian kali ini dilakukan perbaikan klasifikasi dengan menggunakan tujuh kelas dan dataset yang berbeda. Berdasarkan hal tersebut maka pada penelitian ini akan dilakukan pengklasifikasian data menggunakan citra digital yang terbagi menjadi tujuh kelas yaitu, senang, sedih, marah, jijik, terhina, takut, kaget menggunakan Convolutional Neural Network (CNN) dengan arsitektur NNNS-Net yang terdiri dari tiga hidden-layer dan AlexNet . Tahapan keseluruhan metode yang digunakan adalah akuisisi data, pre-processing, klasifikasi dengan CNN dan tahap analisa hasil. Model yang dirancang pada tugas akhir ini secara umum dibagi menjadi dua proses utama yaitu proses training (ekstraksi. ciri) dan klasifikasi yang dilakukan dengan menggunakan kombinasi beberapa hyperparameter diantaranya adalah input size, optimizer, learning rate, dan batch size yang berbeda-beda untuk mendapatkan model terbaik, lalu hasil akan dianalisis dengan parameter akurasi dan loss. Hasil akhir Tugas Akhir ini menunjukkan model terbaik untuk klasifikasi jenis ekspresi dengan arsitektur AlexNet, dengan citra pre-processing gaussian, optimizer Adam, learning rate dengan nilai 0,0001 dan ukuran batch size 64 yang memiliki akurasi validasi sebesar 99,43%, loss validasi sebesar 0,0307 dan akurasi testing sebesar 97,21%. Kata kunci : Ekspresi wajah, Pengenalan ekspresi wajah, Convolutional Neural Network, Alexnet.