PENGOLAHAN CITRA UNTUK MONITORING EMOSI AKADEMIS SISWA MENGGUNAKAN METODE FISHERFACE DAN RESTFUL WEB SERVICE

Sania, Yusri Ilza (2019) PENGOLAHAN CITRA UNTUK MONITORING EMOSI AKADEMIS SISWA MENGGUNAKAN METODE FISHERFACE DAN RESTFUL WEB SERVICE. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

[thumbnail of ABSTRAK_123150145_Yusri Ilza Sania.pdf]
Preview
Text
ABSTRAK_123150145_Yusri Ilza Sania.pdf

Download (26kB) | Preview
[thumbnail of COVER_123150145_Yusri Ilza Sania.pdf]
Preview
Text
COVER_123150145_Yusri Ilza Sania.pdf

Download (205kB) | Preview
[thumbnail of DAFTAR ISI_123150145_Yusri Ilza Sania.pdf]
Preview
Text
DAFTAR ISI_123150145_Yusri Ilza Sania.pdf

Download (187kB) | Preview
[thumbnail of PENGESAHAN PEMBIMBING.pdf]
Preview
Text
PENGESAHAN PEMBIMBING.pdf

Download (473kB) | Preview

Abstract

Pada proses belajar di kelas, pengajar perlu memerhatikan kondisi kelas terutama kondisi siswa dalam hal emosi. Emosi dalam kegiatan belajar penting bagi siswa dalam hal penangkapan materi. Namun monitoring emosi akademis oleh pengajar sangat terbatas secara visual padahal kestabilan emosi tersebut berperan dalam hal memusatkan pikirannya selama proses belajar. Monitoring emosi tersebut juga penting bagi pengajar untuk dapat menentukan metode pembelajaran yang sesuai dengan keadaan emosi siswa. Pada penelitian kali ini menggunakan pengolahan citra untuk membantu proses monitoring emosi akademis siswa secara visual. Penelitian ini menggunakan metode viola-jones yang terdapat pada library OPENCV untuk mendeteksi objek wajah kemudian dilanjutkan dengan identifikasi wajah dengan metode fisherface untuk mengekstraksi ciri pada citra. Selanjutnya pencocokan wajah akan dilakukan dengan Euclidean distance dengan mencari jarak terkecil. Deteksi emosi dilakukan dengan mencari facial landmark pada wajah untuk mendeteksi kantuk, fokus, dan tidak fokus pada wajah. Restful webservice digunakan sebagai asrsitektur komunikasi untuk mengitegrasikan data. Hasil dari penelitian yaitu mampu membantu pengajar dalam memonitoring emosi akademis siswa. Metode fisherface dapat diterapkan sebagai metode pendeteksian dan pengenalan wajah dengan tingkat akurasi yaitu 96 %. Sementara itu dlib facial landmark dapat digunakan untuk mendeteksi emosi dengan tingkat akurasi 84%. Berdasarkan hasil tersebut metode fisherface dan facial landmark mampu diimplementasikan pada monitoring emosi akademis siswa di kelas. Kata Kunci: face recognition, emosi akademis, fisherface, facial landmark

Item Type: Thesis (Other)
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eko Yuli
Date Deposited: 04 Sep 2019 06:29
Last Modified: 24 Aug 2023 06:14
URI: http://eprints.upnyk.ac.id/id/eprint/20925

Actions (login required)

View Item View Item