Seandrio, Augyeris Lioga (2021) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) PADA PENGENALAN EKSPRESI WAJAH. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.
Preview |
Text
COVER.pdf Download (145kB) | Preview |
Preview |
Text
DAFTAR ISI.pdf Download (99kB) | Preview |
Preview |
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf Download (571kB) | Preview |
Preview |
Text
ABSTRAK.pdf Download (6kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (79kB) | Preview |
Abstract
Emosi positif merupakan komponen penting dalam menjalin komunikasi yang baik,
terutama saat terjadinya proses belajar mengajar di kelas. Dalam proses belajar mengajar
emosi positif dapat mempercepat penangkapan materi sehingga menciptakan pengalaman
belajar yang maksimal. Namun, monitoring kondisi emosional siswa secara visual oleh
pengajar masih terbatas, padahal kualitas dan kuantitas siswa dalam menjalankan proses
belajar mengajar sangat dipengaruhi oleh kondisi emosional siswa tersebut.
Pada penelitian ini mengimplementasikan pengolahan citra menggunakan deep
learning untuk identifikasi emosi wajah sebagai monitoring emosional siswa di kelas. ViolaJones
yang terdapat pada library OPENCV digunakan untuk mendeteksi objek wajah,
sehingga wajah dapat dilakukan klasifikasi citra emosi wajah menggunakan convolutional
neural network. Klasifikasi emosi wajah terdiri dari frustrasi, terkejut, tidak tertarik, tertarik,
dan netral, berdasarkan 7 ekspresi dasar wajah manusia yaitu marah, jijik, senang, sedih,
takut, terkejut, dan netral.
Hasil dari penelitian ini yaitu mampu melakukan monitoring kondisi emosional
akademis siswa. Hal itu dapat dibuktikan dengan pengujian confusion matrix multi-class
menggunakan arsitektur VGG dengan 16 lapisan mampu menghasilkan nilai rata-rata
akurasi sebesar 70,47%, presisi rata-rata sebesar 71%, dan recall rata-rata sebesar 70%.
Kata kunci: Ekspresi Wajah, Klasifikasi, Deep Learning, Convolutional Neural Network
Item Type: | Thesis (Other) |
---|---|
Subjek: | T Technology > T Technology (General) |
Divisions: | x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Sarimin Sarimin |
Date Deposited: | 22 Jun 2021 03:24 |
Last Modified: | 22 Jun 2021 03:24 |
URI: | http://eprints.upnyk.ac.id/id/eprint/25967 |
Actions (login required)
![]() |
View Item |