Deteksi Emosi Wajah Menggunakan Metode Backpropagation

Rahmadhani Yusuf; Arif Akbarul  Huda

doi:10.47134/jacis.v3i2.60

Deteksi Emosi Wajah Menggunakan Metode Backpropagation

Authors

Rahmadhani Yusuf , Arif Akbarul Huda

DOI:

10.47134/jacis.v3i2.60

Published:

2023-09-16

Issue:

Vol. 3 No. 2 (2023): November

Keywords:

Emosi Wajah, Deteksi Emosi Wajah, Ekstraksi Fitur, Backpropagation

Articles

Downloads

PDF

How to Cite

Yusuf, R., & Huda, A. A. (2023). Deteksi Emosi Wajah Menggunakan Metode Backpropagation. Journal Automation Computer Information System, 3(2), 103–114. https://doi.org/10.47134/jacis.v3i2.60

Abstract

Penelitian ini akan membahas mengenai sistem pengenalan ekspresi wajah secara real-time menggunakan metode backpropagation. Dalam penelitian ini, digunakan metode penelitian berupa, pengumpulan data berupa gambar wajah yang berlabelkan emosi yang berbeda seperti sedih, senang, takut, marah, jijik, biasa saja, dan terkejut. Pengolahan dan analisis data gambar wajah dengan menyesuaikan kebutuhan yang akan digunakan. Perancangan sistem yang digunakan untuk proses pelatihan dan proses pengujian, evaluasi model dari proses pelatihan, serta pengujian sistem yang sudah dibangun. Hasil dari penelitian ini berupa ukuran akurasi, loss, MSE, dan recall dari metode ekstraksi fitur menggunakan backpropagation yang berhasil mencapai nilai metrik yang tinggi dalam mendeteksi emosi wajah yang beragam dari data yang sudah dikumpulkan. Selain itu model yang dihasilkan menunjukkan kemampuan yang memadai untuk digunakan sebagai pengenalan ekspresi wajah secara langsung dari peranti kamera. Dengan demikian, penelitian ini dapat memberikan kontribusi yang signifikan terhadap pengembangan deteksi emosi menggunakan metode backpropagation. Hasilnya dapat digunakan juga untuk pengenalan wajah berbasis emosi dalam berbagai aplikasi.

References

L. F. Barrett, R. Adolphs, S. Marsella, A. M. Martinez, and S. D. Pollak, “Emotional Expressions Reconsidered: Challenges to Inferring Emotion From Human Facial Movements,” Psychol. Sci. Public Interes., vol. 20, no. 1, pp. 1–68, 2019, doi: 10.1177/1529100619832930.

M. Schreiner, T. Fischer, and R. Riedl, “Impact of content characteristics and emotion on behavioral engagement in social media: literature review and research agenda,” Electron. Commer. Res., vol. 21, no. 2, pp. 329–345, 2021, doi: 10.1007/s10660-019-09353-8.

M. A. Ozdemir, B. Elagoz, A. Alaybeyoglu, R. Sadighzadeh, and A. Akan, “Real time emotion recognition from facial expressions using CNN architecture,” TIPTEKNO 2019 - Tip Teknol. Kongresi, pp. 1–4, 2019, doi: 10.1109/TIPTEKNO.2019.8895215.

S. Melangi, “Klasifikasi Usia Berdasarkan Citra Wajah Menggunakan Algoritma Artificial Neural Network dan Gabor Filter,” Jambura J. Electr. Electron. Eng., vol. 2, no. 2, pp. 60–67, 2020, doi: 10.37905/jjeee.v2i2.6956.

M. Hendriani, Rais, and L. Handayani, “Penerapan Artificial Neural Network Terhadap Identifikasi Wajah Menggunakan Metode Backpropagation,” Nat. Sci. J. Sci. Technol., vol. 8, no. 3, pp. 203–208, 2019, doi: 10.22487/25411969.2019.v8.i3.14599.

H. Husdi, “Pengenalan Ekspresi Wajah Pengguna Elearning Menggunakan Artificial Neural Network Dengan Fitur Ekstraksi Local Binary Pattern Dan Gray Level Co-Occurrence Matrix,” Ilk. J. Ilm., vol. 8, no. 3, pp. 212–219, 2016, doi: 10.33096/ilkom.v8i3.58.212-219.

D. Alamsyah and D. Pratama, “Implementasi Convolutional Neural Networks (CNN) untuk Klasifikasi Ekspresi Citra Wajah pada FER-2013 Dataset,” J. Teknol. Inf., vol. 4, no. 2, pp. 350–355, 2020, doi: 10.36294/jurti.v4i2.1714.

L. Zahara, P. Musa, E. Prasetyo Wibowo, I. Karim, and S. Bahri Musa, “The Facial Emotion Recognition (FER-2013) Dataset for Prediction System of Micro-Expressions Face Using the Convolutional Neural Network (CNN) Algorithm based Raspberry Pi,” in 2020 5th International Conference on Informatics and Computing, ICIC 2020, 2020, vol. 7. doi: 10.1109/ICIC50835.2020.9288560.

S. Widodo, D. Setiawan, T. Ridwan, and R. Ambari, “Perancangan Deteksi Emosi Manusia berdasarkan Ekspresi Wajah Menggunakan Algoritma VGG16,” Syntax J. Inform., vol. 11, no. 01, pp. 01–12, 2022, doi: 10.35706/syji.v11i01.6594.

Y. Handrianto and B. Sanjaya, “Model Waterfall Dalam Rancang Bangun Sistem Informasi Pemesanan Produk Dan Outlet Berbasis Web,” J. Inov. Inform., vol. 5, no. 2, pp. 153–160, 2020, doi: 10.51170/jii.v5i2.66.

E. Jofan Rifano, F. Nonggala Putra, and R. Sekar Ajeng Ananingtyas, “Rancang Bangun Sistem Informasi Praktek Kerja Lapangan Universitas Nahdlatul Ulama Blitar,” J. Autom. Comput. Inf. Syst., vol. 2, no. 02, pp. 91–99, 2022, doi: 10.47134/jacis.v2i02.47.

R. D. Rusdiyan Yusron and M. M. Huda, “Analisis Perancangan Sistem Informasi Perpustakaan Menggunakan Model Waterfall Dalam Peningkatan Inovasi Teknologi,” J. Autom. Comput. Inf. Syst., vol. 1, no. 1, pp. 26–36, 2021, doi: 10.47134/jacis.v1i1.4.

C. Romero and S. Ventura, “Educational data mining and learning analytics: An updated survey,” Wiley Interdiscip. Rev. Data Min. Knowl. Discov., vol. 10, no. 3, pp. 1–21, 2020, doi: 10.1002/widm.1355.