PENERAPAN RESNET50 DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI EKSPRESI WAJAH

Putra, Rio Bintang Adi (2024) PENERAPAN RESNET50 DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI EKSPRESI WAJAH. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (4MB)
	Text COVER.pdf Download (171kB)
	Text ABSTRAK.pdf Download (250kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (244kB)
	Text PENGESAHAN PENGUJI.pdf Download (231kB)
	Text DAFTAR ISI.pdf Download (223kB)
	Text DAFTAR PUSTAKA.pdf Download (229kB)

Abstract

Ekspresi wajah merupakan bentuk komunikasi non-verbal dalam interaksi sosial yang
dapat menyampaikan emosi dasar dan gabungan atau compound. Penggunaan pre-trained
ResNet50 sebagai ekstraktor dan Support Vector Machine (SVM) untuk klasifikasi memiliki
kelebihan seperti tidak membutuhkan GPU dan memori yang besar. Namun, pendekatan
tersebut cenderung kurang efektif sebab fitur dari convolution layer terakhir memberikan
representasi yang spesifik untuk objek dataset yang digunakan pada proses pelatihan.
Penelitian ini bertujuan untuk memodifikasi convolution layer dari ResNet50 dengan cara
menghilangkan beberapa block.
Penelitian ini menggunakan dataset RAF-DB dengan ekspresi wajah compound. Citra
dari dataset dilakukan preprocessing dengan resize dan normalisasi. Selanjutnya, ekstraksi
fitur dari citra menggunakan ResNet50 tanpa dan dengan pengurangan convolution layer.
Pengurangan dilakukan dengan menghilangkan block ResNet50 secara bertahap. Kemudian,
data hasil ekstraksi fitur digunakan untuk melatih model klasifikasi SVM dengan kernel
linear.
Hasil penelitian menunjukkan bahwa akurasi rata-rata SVM dengan ekstraksi fitur dari
ResNet50 tanpa pengurangan convolution layer sebesar 34.13%. Pengurangan dilakukan
dengan menghilangkan 3 block atau 9 convolution layer dan 1 convolution layer pada skip
connection dari ResNet50 yang menghasilkan akurasi rata-rata tertinggi sebesar 43,09%.
Selain itu, pengurangan convolution layer juga dapat mempercepat waktu ekstraksi fitur,
dari 709 sebelum pengurangan menjadi 644 detik setelah pengurangan. Hal ini menunjukkan
bahwa pengurangan convolution layer dapat mempercepat waktu ekstraksi fitur dan
meningkatkan akurasi SVM pada klasifikasi ekspresi wajah.
Kata kunci: Ekspresi Wajah Compound, ResNet50, Support Vector Machine, Transfer
Learning

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Ekspresi Wajah Compound, ResNet50, Support Vector Machine, Transfer Learning
Subjects:	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:	27 Dec 2024 01:33
Last Modified:	27 Dec 2024 01:33
URI:	http://eprints.upnyk.ac.id/id/eprint/41916

Actions (login required)

View Item