IMPLEMENTASI YOLO (YOU ONLY LOOK ONCE) DAN VGG-16 (VISUAL GEOMETRY GROUP-16 LAYER) UNTUK MENDETEKSI DAN MENGKLASIFIKASI EKSPRESI WAJAH DASAR

Kusumawardhana, Rafli Irfansyah (2024) IMPLEMENTASI YOLO (YOU ONLY LOOK ONCE) DAN VGG-16 (VISUAL GEOMETRY GROUP-16 LAYER) UNTUK MENDETEKSI DAN MENGKLASIFIKASI EKSPRESI WAJAH DASAR. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI FULL_123200084_RAFLI IRFANSYAH KUSUMAWARDHANA.pdf Restricted to Repository staff only Download (4MB)
	Text COVER.pdf Download (191kB)
	Text ABSTRAK.pdf Download (170kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (246kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (281kB)
	Text DAFTAR ISI.pdf Download (187kB)
	Text DAFTAR PUSTAKA.pdf Download (187kB)

Abstract

FER (Facial Expression Recognition) merupakan bidang dalam pengenalan pola dan
pengolahan citra yang berfokus untuk mengenali dan menganalisis ekspresi wajah manusia.
Dengan kemajuan kecerdasan buatan dan pembelajaran mesin, banyak algoritma FER telah
digunakan untuk memproses informasi dalam gambar dan video, memungkinkannya untuk
mengenali berbagai ekspresi wajah dengan tingkat akurasi yang jauh lebih tinggi
dibandingkan dengan pendekatan tradisional. Beberapa penelitian sebelumnya telah
menggunakan algoritma Viola-Jones untuk mendeteksi wajah dan CNN dengan arsitektur
VGG-16 untuk mengklasifikasi ekspresi wajahnya. Namun, masih terdapat kekurangan
dimana penggunaan Viola-Jones hanya dapat mendeteksi satu wajah dalam satu frame
dengan kondisi wajah harus frontal.
Penelitian ini bertujuan untuk mengimplementasikan YOLOv8 untuk mendeteksi wajah dan
CNN dengan arsitektur VGG-16 untuk mengklasifikasi ekspresi wajah dasar. Selain itu,
penelitian ini juga menganalisis performa YOLOv8 dalam mendeteksi wajah menggunakan
dataset WIDER-FACE serta melakukan modifikasi pada arsitektur VGG-16 dengan
melakukan penambahan normalisasi batch dan dropout, serta pengurangan jumlah dense
unit pada fully connected layer guna meningkatkan akurasi klasifikasi ekspresi wajah dengan
dataset FER-2013.
Hasil penelitian menunjukkan bahwa model terbaik YOLOv8 yang dilatih berhasil
memperoleh nilai mAP50 sebesar 64,8%, nilai Precision sebesar 80,9%, dan nilai Recall
sebesar 57,3% pada pengujian menggunakan data testing. Selain itu, model terbaik VGG-16
yang dilatih menggunkan arsitektur yang telah dimodifikasi berhasil memperoleh nilai
Accuracy sebesar 70,58%, nilai Precision sebesar 71,04%, dan nilai Recall sebesar 67,76%
pada pengujian menggunakan data testing. Secara keseluruhan, model YOLOv8 terbukti
dapat mendeteksi beberapa wajah dalam satu frame dengan kondisi non-frontal sekalipun,
serta modifikasi arsitektur VGG-16 terbukti lebih unggul bila dibandingkan dengan basis
arsitektur VGG-16.
Kata kunci: YOLOv8, CNN, VGG-16, ekpresi wajah, deteksi wajah, klasifikasi

Item Type:	Thesis (Other)
Uncontrolled Keywords:	YOLOv8, CNN, VGG-16, ekpresi wajah, deteksi wajah, klasifikasi
Subjects:	H Social Sciences > H Social Sciences (General) T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	13 Nov 2024 02:10
Last Modified:	13 Nov 2024 02:10
URI:	http://eprints.upnyk.ac.id/id/eprint/41628

Actions (login required)

View Item