Implementasi Algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mendeteksi ekspresi emosi pada citra wajah

Baihaqi, Muhammad Reynaldi (2024) Implementasi Algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mendeteksi ekspresi emosi pada citra wajah. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (49kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (226kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (431kB) | Preview
[img]
Preview
Text (BAB 1)
4_bab1.pdf

Download (259kB) | Preview
[img] Text (BAB 2)
5_bab2.pdf
Restricted to Registered users only

Download (855kB) | Request a copy
[img] Text (BAB 3)
6_bab3.pdf
Restricted to Registered users only

Download (846kB) | Request a copy
[img] Text (BAB 4)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB 5)
8_bab5.pdf
Restricted to Registered users only

Download (226kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (357kB) | Request a copy

Abstract

Ekspresi emosi pada wajah merupakan cara komunikasi non-verbal yang sering digunakan manusia dalam kehidupan sehari-hari, ekspresi pada wajah memberikan informasi terbesar sebanyak 55% dalam berinteraksi. Pengenalan ekspresi emosi secara signifikan menjadi penelitian yang kian aktif dikembangkan beberapa tahun terakhir. Namun masalah pada dataset dan komputasi menjadi tantangan tersendiri bagi para peneliti yang menekuni bidang ini, karena proses yang dilakukan pada saat pelatihan akan sangat berpengaruh terhadap kinerja model. Untuk mengatasi masalah tersebut, dilakukan penelitian untuk pengenalan ekspresi emosi dengan berbasis deep learning mengimplementasikan algoritma Convolutional Neural Network dengan menerapkan arsitektur ResNet-50. Penelitian ini menggunakan dataset yang terdiri dari 7 kelas ekspresi. Dilakukan pengujian untuk variasi rasio pembagian data latih dan data uji, yaitu 60:40, 70:30, 80:20 dan variasi ukuran gambar 48x48, 63x64, 128x128, 224x224, dan 360x360. Hasil penelitian berhasil mengimplementasikan algoritma Convolutional Neural Network dengan arsitektur ResNet-50 dan mencapai nilai akurasi sebesar 90,99% dimana hasil akurasi lebih tinggi dari penelitian sebelumnya.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Ekspresi Emosi; Deep Learning; Convolutional Neural Network; ResNet-50
Subjects: Data Processing, Computer Science
Data Processing, Computer Science > Computer Science Education
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Student Muhammad Reynaldi Baihaqi
Date Deposited: 04 Apr 2024 06:08
Last Modified: 04 Apr 2024 06:08
URI: https://digilib.uinsgd.ac.id/id/eprint/86249

Actions (login required)

View Item View Item