Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network

Yusuf, Achmad (2020) Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network. Sarjana thesis, Universitas Brawijaya.

Abstract

Selain sebagai identitas seseorang, wajah juga merupakan alat pendukung dalam bersosialisasi secara langsung. Seseorang dapat menyampaikan emosi yang dialami menggunakan ekspresi yang dimunculkan oleh wajah. Emosi merupakan perasaan untuk mendorong individu atau merupakan respons suatu stimulus. Pada bidang consumer research, pengujian konsumen adalah metode yang digunakan untuk mengetahui memprediksi penerimaan produk oleh konsumen pada suatu pasar. Walaupun telah melalui tahap pengujian konsumen secara ekstensif sebelum memasuki pasar, tingkat kegagalan produk makanan baru masih tinggi. Hal ini menunjukkan bahwa metode pengujian konsumen secara tradisional tidak mampu memprediksi performa pasar dan penerimaan produk oleh konsumen dalam jangka panjang. Untuk dapat mengetahui perilaku konsumen dengan lebih dalam, penggunaan pengukuran emosi banyak digunakan dalam pengujian konsumen karena emosi memengaruhi perilaku konsumen. Pada permasalahan ini klasifikasi emosi berdasarkan ciri wajah dinilai cocok untuk membantu meningkatkan kualitas pengujian konsumen. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN). Data yang digunakan adalah data yang diperoleh dari Extended Cohn-Kanade Dataset (CK+) yang diambil dari 210 subjek dengan total gambar yang digunakan sebanyak 327 gambar. Pengujian penelitian menggunakan K-fold Cross Validation dengan nilai k sebesar 4. Hasil pengujian menunjukkan nilai learning rate tertentu dapat melatih arsitektur lebih baik dibandingkan dengan nilai learning rate lain. Nilai akurasi terbaik pada penelitian ini sebesar 86,4% dan rata-rata akurasi sebesar 80,7%.

English Abstract

Apart from being a person's identity, the face is also a supporting tool in direct socializing. A person can convey emotions experienced using expressions raised by their face. Emotion is a feeling to encourage an individual or a response to a stimulus. In consumer research, consumer testing is a method used to predict product acceptance by consumers in a market. Even though it has gone through extensive consumer testing stages before entering the market, the failure rate of new food products is still high. This shows that traditional consumer testing methods are not able to predict market performance and product acceptance by consumers in the long run. To be able to know consumer behavior more deeply, the use of emotional measurement is widely used in consumer testing because emotions affect consumer behavior. In this case, the classification of emotions based on facial characteristics is considered suitable to help improve the quality of consumer testing. The method used in this study is the Convolutional Neural Network (CNN). The data used are data obtained from the Extended Cohn-Kanade Dataset (CK +) taken from 210 subjects with a total of 327 images used. Testing the study using K-fold Cross Validation with a k value of 4. The test results show a certain learning rate value can train architecture better than other learning rate values. The best accuracy results in this study amounted to 86.4% and an average accuracy of 80.7%.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FILKOM/2020/200/052003390
Uncontrolled Keywords:	wajah, ekspresi, emosi, convolutional neural network, k-fold cross vali face, expression, emotion, convolutional neural network, k-fold cross validationdation,
Subjects:	000 Computer science, information and general works > 001 Knowledge > 001.012 Classification
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	01 Aug 2020 08:57
Last Modified:	12 Apr 2023 07:22
URI:	http://repository.ub.ac.id/id/eprint/180939

	Text (DALAM MASA EMBARGO) Achmad Yusuf (2).pdf Restricted to Registered users only until 31 December 2023. Download (8MB)
	Text (DALAM MASA EMBARGO) Achmad Yusuf (2).pdf Restricted to Registered users only until 31 December 2023. Download (8MB)

Actions (login required)

View Item