WILLIAM, Wilbert (2024) Penerapan Model Convolutional Neural Network (CNN) untuk Memantau Ekspresi Wajah pada Ujian Online. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (78kB)
	Text 3. Pernyataan Orisinalitas.pdf Download (225kB)
	Text 4. Halamat Pengesahan Skripsi.pdf Download (362kB)
	Text 6. Kata Pengantar.pdf Download (115kB)
	Text 7. Daftar Isi.pdf Download (52kB)
	Text 12. Abstrak.pdf Download (46kB)
	Text 13. Abstract.pdf Download (44kB)
	Text 14. Bab 1 Pendahuluan.pdf Download (52kB)
	Text 19. Daftar Pustaka.pdf Download (171kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan model Convolutional
Neural Network (CNN) yang efektif dalam mengklasifikasikan emosi dari gambar
wajah pada dataset FER-2013. Model CNN yang diusulkan memiliki arsitektur
yang terdiri dari beberapa lapisan konvolusi, pooling, dan fully connected yang
dioptimalkan untuk performa terbaik. Dataset yang digunakan adalah gambar
wajah berukuran 48×48 piksel dalam grayscale. Metode augmentasi data dan teknik
dropout diterapkan untuk mencegah overfitting dan meningkatkan variasi data
pelatihan. Model ini dikompilasi dengan optimizer Adam dan fungsi loss
categorical_crossentropy, serta dilatih menggunakan batch size 32 dan maksimum
10.000 epoch dengan callback EarlyStopping dan ModelCheckpoint. Hasil
penelitian menunjukkan bahwa kombinasi max pooling dan teknik augmentasi
oversampling menghasilkan performa terbaik dengan akurasi validasi 95% dan loss
validasi 0,19. Visualisasi hasil prediksi dan confusion matrix menunjukkan bahwa
model mampu mengenali sebagian besar emosi dengan tepat, meskipun masih ada
beberapa kesalahan prediksi pada emosi yang mirip. Model ini menunjukkan
potensi besar untuk aplikasi praktis dalam pengenalan emosi berbasis gambar
wajah.
Kata Kunci : Convolutional Neural Network, Klasifikasi Emosi, FER-2013,
Pengolahan Citra, Augmentasi Data, Pengenalan Wajah

Actions (login required)

View Item