Ihyaul Haq, Fajri (2025) Sistem pengenal ekspresi wajah marah menggunakan metode Convolutional Neural Network (CNN). Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
01. Cover.pdf Download (187kB) | Preview |
|
|
Text (ABSTRAK)
02. Abstrak.pdf Download (166kB) | Preview |
|
|
Text (KETERANGAN BEBAS PLAGIARISM)
03. Keterangan bebas plagiarism.pdf Download (618kB) | Preview |
|
|
Text (DAFTAR ISI)
04. Daftar Isi.pdf Download (153kB) | Preview |
|
|
Text (BAB I)
05. Bab 1.pdf Download (700kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
06. Bab 2.pdf Restricted to Registered users only Download (398kB) |
|
|
Text (BAB III)
07. Bab 3.pdf Restricted to Registered users only Download (281kB) |
|
|
Text (BAB IV)
08. Bab 4.pdf Restricted to Registered users only Download (362kB) |
|
|
Text (BAB V)
09. Bab 5.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB VI)
10. Bab 6.pdf Restricted to Registered users only Download (163kB) |
|
|
Text (DAFTAR PUSTKA)
11. Daftar Pustaka.pdf Restricted to Registered users only Download (175kB) |
Abstract
Ekspresi wajah marah merupakan bentuk komunikasi non-verbal krusial yang terkait dengan respons psikologis seperti agresi dan stres. Kesalahan dalam mengidentifikasinya dapat memicu konflik, sementara dalam aplikasi teknologi adalah pemantauan psikologis. Tujuannya untuk mengatasi tantangan seperti variasi ekspresi individu dan kondisi pencahayaan yang beragam. Penelitian ini mengatasi tantangan tersebut dengan merancang sistem pengenal ekspresi marah menggunakan metode Convolutional neural network (CNN) yang disempurnakan dengan Attention Mechanism untuk fokus pada fitur wajah yang paling relevan. Prosesnya melibatkan pengumpulan data dari sumber publik seperti Kaggle, yang kemudian melewati pra-pemrosesan berupa konversi grayscale 48x48 piksel, normalisasi, dan augmentasi. Model dievaluasi menggunakan validasi silang K-Fold, di mana skema K=20 menunjukkan kinerja puncak dengan rata-rata akurasi 85,78%. Hasil ini membuktikan bahwa arsitektur CNN yang diusulkan efektif dan dapat diandalkan sebagai fondasi untuk pengembangan teknologi pengenalan emosi di masa depan.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Additional Information: | tidak ada lampiran |
| Uncontrolled Keywords: | Pengenalan Ekspresi Wajah; Marah; Convolutional neural network; Attention Mechanism |
| Subjects: | Physics Physics > Theories and Mathematical Physics |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
| Depositing User: | Fajri Ihyaul Haq |
| Date Deposited: | 21 Nov 2025 03:11 |
| Last Modified: | 21 Nov 2025 03:13 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/125742 |
Actions (login required)
 |
View Item |
