Implementasi Sistem Pendeteksi Eksrepesi Wajah dalam Bahasa Pemrograman Python
Article Sidebar
Main Article Content
Abstract
Wajah adalah bagian tubuh manusia yang berfungsi sebagai pusat ekspresi, pengenalan dan juga komunikasi. Ekspresi wajah sendiri timbul dari emosi yang dialami seseorang yang mengakibatkan pergerakan otot pada wajah. Ketika eskpresi wajah berubah, lekukan pada wajah seperti alis, hidung, bibir dan mulut akan otomatis berubah. Pengenalan ekspresi wajah secara cepat menjadi bagian penting dalam sistem komputer dan interaksi antar manusia dan komputer karena cara yang paling ekspresif dalam menunjukkan emosi sebagai manusia adalah melalui ekspresi wajah. Penelitian ini bertujuan untuk meningkatkan pendekatan ekstraksi ciri untuk meningkatkan tingkat pengenalan sistem pengenalan ekspresi wajah. Fase penting dalam pengenalan gerakan wajah adalah ekstraksi fitur, yang menentukan tingkat pengenalan. Metode penelitian yang diusulkan adalah experimental atau berbasis pada eksperimen yang bersifat analisis. Dengan tahapan rancangan yang akan dibangun mulai dari tahap input citra, ekstraksi fitur kemudian tahap deteksi, yang akan mendeteksiekspresi wajah secara real-time, yang terdiri dari ekspresi marah, terkejut, senang, sedih dan biasa saja. Hasil dari penelitian ini dapat mendeteksi ekspresi wajah manusia. Berdasarkan eksperimen yang dilakukan, akurasi yang tinggi dan jumlah data pengujian terbaik 25 citra ekspresi wajah dengan kinerja 92.50%.
Downloads
Article Details
A.L. S. Guntoro, E. Julianto, D. Budiyanto, “Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network,” Jurnal Informatika Atma Jogja, Volume 3, Nomor 2, November 2022: 155-160
A. Mahmood, S. Hussain, K. Iqbal, and W. S. Elkilani, “Recognition of Facial Expressions under Varying Conditions Using Dual-Feature Fusion,” Math. Probl. Eng., vol. 2019, 2019, doi: 10.1155/2019/9185481.
D.L.Z Astuti and Samsuryadi. (2018). “Kajian Pengenalan Ekspresi Wajah menggunakan Metode PCA dan CNN,” Prosiding Annual Research Seminar 2018 Computer Science and ICT, Vol.4 No.1
S. Nurdiati, M.K. Najib, F. Bukhari, M.R Ardhana, S. Rahmah, T. P. Blante, “3. Perbandingan AlexNet dan VGG untuk Pengenalan Ekspresi Wajah pada Dataset Kelas Komputasi Lanjut,” Techno.COM, Vol. 21, No. 3, Agustus 2022: 500-510
W. Mellouk and W. Handouzi, “Facial emotion recognition using deep learning: Review and insights,” Procedia Comput. Sci., vol. 175, pp. 689–694, 2020, doi: 10.1016/j.procs.2020.07.101.
Syardiansah, S., Latief, A., Ramadansyah, J., Wijoyo, H., Prayudi, A., Sisiawan Putra, R., & Musnaini, M. (2021). The Influence of Work Motivation and Organizational Culture to Employee Performance.
Haudi, H., Wijoyo, H., & Cahyono, Y. (2020). Analysis of most influential factors to attract foreign direct investment. Journal of Critical Reviews, 7(13).
Haudi, H., Wijoyo, H., & Cahyono, Y. (2020). Effect of product innovation and marketing strategy on consumer purchase decisions in Indonesia’s lightweight roof steel industry. Journal of Critical Reviews, 7(13).
Wijoyo, H., Prayudi, A., & Putra, R. S. (2020). The Influence of Work Motivation and Organizational Culture to Employee Performance. In Proceedings of the 11th Annual International Conference on Industrial Engineering and Operations Management (Vol. 58, No. 3, pp. 4419-4425). IEOM Society International.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.