Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Reihardian, Ezra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Ekspresi Wajah Manusia Menggunakan Metode CNN Dengan Arsitektur Visual Geometry Group (VGG-Net) Reihardian, Ezra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 8 (2024): Agustus 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam kehidupan sehari-hari manusia tidak dapat hidup tanpa berinteraksi dengan orang lain. Dengan adanya ekspresi wajah, kita dapat mengetahui emosi apa yang sedang dialami oleh seorang individu. Di jaman digital sekarang ini, cukup lumrah ditemukan penggunaan teknologi pengenalan ekspresi wajah untuk mengetahui emosi seseorang. Salah satunya pada bidang pendidikan. Pada tahun 2018, sebuah sekolah di Tiongkok menggunakan teknologi pengenalan ekspresi wajah pada kamera yang dipasang di atas papan tulis untuk mengidentifikasi emosi siswa. Penelitian ini berfokus pada penggunaan model CNN dengan arsitektur VGG16 untuk klasifikasi citra wajah. Pelatihan CNN akan menggunakan dataset FERPlus yang terdiri dari 35.000 gambar wajah grayscale berukuran 48x48 piksel. Pengujian dilakukan dengan membandingkan model VGG16 dengan konfigurasi hyperparameter yang berbeda untuk mencari nilai bobot terbaik. Penelitian ini mendapatkan hasil terbaik menggunakan konfigurasi learning rate 0.0001, optimizer adam, augmentasi data dan bobot epoch 83. Model VGG16 mampu mencapai akurasi sebesar 80% pada data latih dan 66% pada data validasi. Melalui eksperimen pada penelitian ini dapat disimpulkan bahwa model Convolutional Neural Network dengan arsitektur VGG16 melalui konfigurasi hyperparameter yang dikembangkan dapat meningkatkan akurasi klasifikasi ekspresi wajah. Kata kunci: Convolutional Neural Network, pengenalan ekspresi wajah, VGG16, hyperparameter
Co-Authors