Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.24002/jiaj.v3i2.6790Keywords:
Pengenalan Ekspresi Wajah Manusia, Convolutional Neural Network, Machine learning, Deep Learning, DatasetAbstract
Abstrak. Wajah adalah bagian tubuh manusia yang berfungsi sebagai pusat ekspresi, pengenalan dan juga komunikasi. Dalam bersosialisasi juga wajah merupakan alat utama yang digunakan untuk pendukung secara langsung. Ekspresi wajah sendiri timbul dari emosi yang dialami seseorang yang mengakibatkan pergerakan otot pada wajah. Uniknya perbedaan emosi dapat menimbulkan perbedaan pergerakan otot pada wajah. Bentuk tersebut lalu dikalsifikasikan menjadi tujuh macam ekspresi universal menurut sebuah penelitian. Klasifikasi tersebut menjadi dasar pengolahan dataset yang nantinya akan dilatih untuk mengenali pola ekspresi wajah pada manusia. Pada penelitian ini dataset dilatih menggunakan model Convolutional Neural Network. Metode ini adalah bagian dari machine learning supervised yang memiliki 3 hidden layer. Machine learning sendiri adalah bagian dari artificial intelligence dengan ciri khasnya mempelajari sendiri dari data. Kasus pengenalan ekspresi pada wajah manusia menggunakan data berupa citra. Alur dari pengembangan model machine learning ini adalah data pre-prosesing, pembuatan model, pelatihan dan evaluasi, dan terakhir pengujian, model.
Kata kunci: Pengenalan Ekspresi Wajah Manusia, Convolutional Neural Network, Machine learning, Deep Learning, Dataset
References
D. Goleman, “Kecerdasan Emosional,” 2002.
P. Ekman, “Universals and Cultural Differences in Facial Expressions of Emotion BT - Nebraska Symposium on Motivation,” Nebraska Symposium on Motivation, vol. 19. pp. 207–282, 1972, [Online]. Available: papers3://publication/uuid/FDC5E29A-0E28-4DDF-B1A4-F53FEE0B4F70.
I. Cholissodin and A. A. Soebroto, “AI , MACHINE LEARNING & DEEP LEARNING ( Teori & Implementasi ),” no. December, 2021.
P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–21, 2020.
A. Riadi and R. Sulaehani, “Analisis Implementasi Preprocessing Dengan Otsu-Gaussian Pada Pengenalan Wajah,” Ilk. J. Ilm., vol. 11, no. 3, pp. 200–205, 2019, doi: 10.33096/ilkom.v11i3.457.200-205.
I. P. A. E. D. Udayana and I. K. D. G. Supartha, “Implementasi Kombinasi Metode Mean Denoising dan Convolutional Neural Network pada Facial Landmark Detection,” J. Nas. Pendidik. Tek. Inform., vol. 10, no. 1, p. 1, 2021, doi: 10.23887/janapati.v10i1.29779.
U. Tensorflow and A. F. Gad, Practical Computer Vision Applications Using Deep Learning with CNNs Applications Using Deep Learning with CNNs. .
Google, “TensorFlow Guide.” https://developers.google.com.
A. N. Link and J. T. Scott, “Performance Evaluation Metrics,” Public Account., no. 1995, pp. 17–21, 1998, doi: 10.1007/978-1-4615-5639-8_4.
P. Payal and M. M. Goyani, “A comprehensive study on face recognition: methods and challenges,” Imaging Sci. J., vol. 68, no. 2, pp. 114–127, 2020, doi: 10.1080/13682199.2020.1738741.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright of this journal is assigned to Jurnal Informatika Atma Jogja as the journal publisher by the knowledge of author, whilst the moral right of the publication belongs to author. Every printed and electronic publications are open access for educational purposes, research, and library. The editorial board is not responsible for copyright violation to the other than them aims mentioned before. The reproduction of any part of this journal (printed or online) will be allowed only with a written permission from Jurnal Informatika Atma Jogja .
