KLASIFIKASI EKSPRESI EMOSI WAJAH BAHAGIA DAN TIDAK BAHAGIA MENGGUNAKAN ARSITEKTUR MOBILENETV2 BERBASIS DEEP LEARNING

Fatimah Az Zahra, Pratomo Setiaji, Wiwit Agus Triyanto

Sari


Penelitian ini bertujuan membangun sistem klasifikasi ekspresi wajah dua kelas (happy dan not happy) menggunakan arsitektur Convolutional Neuran Network (CNN) berbasis MobileNetV2 yang ringan dan efisien. Dataset yang digunakan merupakan gabungan dari FER2013, Pinterest, dan Roboflow, yang telah melalui proses augmentasi dan preprocessing. Model dilatih menggunakan metode 5-Fold Cross Validation untuk memperoleh evaluasi yang lebih stabil dan menyeluruh. Hasil penelitian menunjukkan bahwa model mencapai rata-rata akurasi validasi sebesar 81,49%, dengan nilai precision, recall, dan F1-score yang seimbang. Model kemudian diimplementasikan dalam sistem web berbasis Flask, memungkinkan pengguna mengunggah gambar dan memperoleh hasil klasifikasi dalam bentuk label teks. Pengujian menggunakan gambar wajah pribadi menunjukkan bahwa sistem memiliki kemampuan generalisasi yang baik pada data nyata di luar data latih. Penelitian ini menunjukkan bahwa arsitektur MobileNetV2 dapat diandalkan untuk tugas klasifikasi ekspresi wajah dua kelas berbasis gambar statis dan berpotensi dikembangkan lebih lanjut untuk aplikasi praktik di bidang pendidikan, interaksi manusia-komputer, dan layanan publik.


Kata Kunci


Klasifikasi ekspresi, CNN, MobileNetV2

Teks Lengkap:

Download PDF

Referensi


Wafa Nurjihan S, Faturrahman N, Maki Wiguna I, Mulia Lasardi E, Purnama Giri E, Parasti Mindara G, et al. Pengenalan Pola Ekspresi Wajah Untuk Pengolahan Citra Menggunakan Metode Convolutional Neural Network. 2024;11(4):431–9. Available from: http://jurnal.mdp.ac.id

Prayuda MF. Classification of Sad Emotions and Depression Through Images Using Convolutional Neural Network (CNN). Jurnal Informatika Universitas Pamulang. 2021 Mar 31;6(1):90.

Ramdhany Edy M. Deteksi Emosi dari Ekspresi Wajah dengan Deep Learning. INTEC Journal: Information Technology Education Journal. 2024;3(2).

Adi Nugroho P, Fenriana I, Arijanto R. IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) PADA EKSPRESI MANUSIA. JURNAL ALGOR [Internet]. 2020;2(1). Available from: https://jurnal.buddhidharma.ac.id/index.php/algor/index

Anggraini DP, Fitriani DE, Ulfah F, Agustin T. KLASIFIKASI EKSPRESI WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN PERBANDINGAN DUA MODEL YANG DIMODIFIKASI. 2024;

Richard Steven Immanuel Sihombing, Rafif Nauval Tuah Siregar, Vijay Sitorus, Timotius Selar Sitompul. Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network (CNN). Journal of Creative Student Research. 2023 Dec 5;1(6):89–97.

Triyanto WA, Adi K, Suseno JE. Chicken tracking for location mapping of lameness chickens using YOLOv8 and deep learning-based tracking algorithm. Indonesian Journal of Electrical Engineering and Computer Science. 2024 Apr 1;34(1):407–18.

Setiaji P, Adi K, Surarso B. Development of Classification Method for Determining Chicken Egg Quality Using GLCM-CNN Method. Ingenierie des Systemes d’Information. 2024 Apr 1;29(2):397–407.

Abdullah MU, Alkan A. A Comparative Approach for Facial Expression Recognition in Higher Education Using Hybrid-Deep Learning from Students’ Facial Images. Traitement du Signal. 2022 Dec 1;39(6):1929–41.




DOI: https://doi.org/10.24176/sitech.v8i1.15546

Refbacks

  • Saat ini tidak ada refbacks.


 

 

JournalStories Main logo JournalStories Main logo

 

Flag Counter