Deteksi Ekspresi Wajah Menggunakan Visual Geometry Group-16 Layer Convolutional Neural Network

Abstract

Abstrak. Era digital saat ini telah membawa kemajuan yang cukup pesat. Salah satu data digital yang hingga saat ini masih dikembangkan adalah dataset biometric. Biometrik merupakan data yang diambil dari fisik seseorang dan menjadi identitas yang otentik. Biometrik menjadi salah satu data yang mahal dan sensitive karena terkait dengan identitas diri. Salah satu dataset yang menarik untuk diteliti adalah ekspresi wajah. Ekspresi wajah seering digunakan dalam mengidentifikasi perasaan seseorang dan ekspresi yang tersirat. Pemahaman terkait eksrepsi wajah secara komputerisasi masih minim dimanfaatkan terutama di area pelayanan masyarakat. Penelitian ini akan membawa dataset eskrepsi wajah sebagai objek untuk diidentifikasi menggunakan Convolutional Neural Network (CNN). Beberapa model pada CNN telah menawarkan kemampuan yang unggul dalam melakukan identifikasi. Penelitian ini akan menggunakan model VGG-16 pada CNN.  Pengujian dilakukan dengan optimizer Adam. Hasil penelitian menunjukkan bahwa pada model VGG-16 (Visual Geometry Group-16) dengan Adam, diperoleh optimizer Adam, mencapai akurasi terbaik yaitu 91%. Model terbaik ada pada learning rate 0,001, batch size 16, AUC 0,96 , time 39m dan learning rate 0,0001, batch size 31, AUC 0,96, time 35m.  Hasil ini menunjukkan bahwa VGG-16 dengan optimizer Adam paling optimal untuk deteksi ekspresi wajah dalam mengklasifikasi ekspresi senang dan takut, sehingga dapat direkomendasikan untuk pengembangan sistem pengenalan ekspresi wajah yang akurat dan handal