MODEL PENGENALAN EKSPRESI ANTUSIASME WAJAH DENGAN MENGGUNAKAN ARSITEKTUR SSD MOBILENET V2 FPNLITE

Fatwari, Kais Ali Syafii (2022) MODEL PENGENALAN EKSPRESI ANTUSIASME WAJAH DENGAN MENGGUNAKAN ARSITEKTUR SSD MOBILENET V2 FPNLITE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (628kB)
	Text (BAB I) BAB I.pdf Download (198kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (908kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (180kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (489kB)
	Text (BAB V) BAB V.pdf Download (100kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (186kB)
	Other (SOURCE CODE) Source Code 18.11.2341 Kais Ali Syafii Fatwari.rar Restricted to Repository staff only Download (59kB)
	Text (PUBLIKASI) Publikasi 18.11.2341 Kais Ali Syafii Fatwari.pdf Restricted to Repository staff only Download (289kB)

Abstract

Pengenalan Ekspresi Wajah adalah area penelitian aktif di bidang Kecerdasan Buatan dan diterapkan dalam domain yang luas, seperti keamanan, pemantauan, penegakan hukum, pemasaran, hiburan, e-learning, kedokteran dan antarmuka robotik yang cerdas secara emosional atau robot humanoid sosial. Berbagai bidang, seperti analisis data, penelitian psikologis, permainan sosial, dan lainnya yang mencakup interaksi manusia-komputer, dapat memperoleh manfaat dari kemampuan mengenali ekspresi wajah secara otomatis. Pengenalan ekspresi wajah dapat juga digunakan untuk mengenali ekspresi ketertarikan seseorang pada suatu hal, ekspresi ketertarikan seseorang pada suatu hal dapat dilihat salah satunya adalah dengan melihat antusiasme dari orang tersebut, karena dari ekspresi wajah dapat diambil informasi mengenai suasana hati atau keadaan emosi seseorang. Oleh karena itu, pada penelitian ini akan dilakukan pembuatan model pengenalan ekspresi antusiasme wajah dengan menggunakan arsitektur SSD MobileNet V2 FpnLite 320x320 dengan metode transfer learning yang akan dapat mendeteksi ekspresi wajah sebagai antusias dan tidak antusias. Dengan menerapkan hal tersebut penelitian ini mendapatkan hasil evaluasi metrik 0.7774 untuk mAP@[.5,.95] dan 0.8208 pada setiap AR@(1, 10, 100). Sedangkan untuk pengujian realtime dengan kondisi normal tegak lurus dan sedikit menyamping masing-masing mendapat akurasi sebesar 97% dan 90% untuk antusias, 99% dan 100% untuk tidak antusias. Untuk objek dengan atribut kacamata dan jilbab masing-masing mendapat 98% dan 94% untuk antusias, lalu 99% dan 99%untuk tidak antusias. Sedangkan objek dengan masker tidak dapat terdeteksi pada antusias dan mendapat 82% pada tidak antusias.

Actions (login required)

View Item