KLASIFIKASI EMOSIONAL BERDASARKAN PENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

UPT. PERPUSTAKAAN Universitas Esa Unggul Kampus Emas UEU - Jakarta Barat
Phone	:	021-5674223, ext 282
Fax	:
E-mail	:	[email protected]
Website	:	http://library.esaunggul.ac.id
Support (Customer Service) :
[email protected]

Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:

LIVE SUPPORT

Astrid Chrisafi

! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

UEU » Master Theses » Magister Ilmu Komputer
Posted by [email protected] at 10/10/2024 10:38:30 • 63 Views

KLASIFIKASI EMOSIONAL BERDASARKAN PENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Created by :
ARIF PAMI SETIAJI ( 20190804031 )

Subject:	KLASIFIKASI EMOSIONAL EKSPRESI WAJAH CONVOLUTIONAL NEURAL NETWORK
Alt. Subject :	EMOTIONAL CLASSIFICATION FACIAL EXPRESSION CONVOLUTIONAL NEURAL NETWORK
Keyword:	Pengenalan ekspresi wajah Smart City TensorFlow PyTorch Convolutional Neural Network Indeks Kebahagiaan.

Description:

Dalam beberapa tahun terakhir, perkembangan teknologi interaksi manusia- komputer telah mencapai kemajuan yang luar biasa, khususnya dalam bidang pengenalan ekspresi wajah. Teknologi ini menggunakan gambar wajah manusia untuk mengidentifikasi dan mengklasifikasikan ekspresi emosional seperti kebahagiaan, kesedihan, ketakutan, dan lainnya melalui pemrosesan gambar komputer. Penelitian aktif dalam pengenalan ekspresi wajah memberikan manfaat besar bagi perkembangan individu dan masyarakat, terutama dalam konteks penerapan di lingkungan Smart City. Penelitian ini menunjukkan bahwa model Convolutional Neural Network (CNN) yang dikonfigurasi dengan baik dan didukung oleh TensorFlow memiliki akurasi yang lebih tinggi dibandingkan dengan model yang menggunakan PyTorch. Model TensorFlow mencapai akurasi tertinggi 93% dalam pengenalan ekspresi emosi, sementara model PyTorch mencapai akurasi 69%. Model TensorFlow juga menunjukkan tingkat loss akurasi yang lebih rendah dan waktu pelatihan yang lebih singkat dibandingkan dengan model PyTorch. Dalam konteks penghitungan indeks kebahagiaan di lingkungan Smart City, pemilihan teknologi yang tepat memiliki dampak signifikan terhadap akurasi dan efisiensi pengukuran. Oleh karena itu, platform TensorFlow, yang terbukti memiliki performa lebih unggul dalam penelitian ini, dapat menjadi pilihan strategis untuk mengintegrasikan teknologi deteksi ekspresi wajah dalam pengukuran indeks kebahagiaan di lokasi tersebut.

Contributor	:	Dr. Gerry Firmansyah, S.T.M.Kom
Date Create	:	10/10/2024
Type	:	Text
Format	:	PDF
Language	:	Indonesian
Identifier	:	UEU-Master-20190804031
Collection ID	:	20190804031

Source :
Master Theses Of Computer Science

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2024 Perpustakaan Universitas Esa Unggul

Publication URL :
https://digilib.esaunggul.ac.id/klasifikasi-emosional-berdasarkan-pengenalan-ekspresi-wajah-menggunakan-metode-convolutional-neural-network-36273.html

[ Free Download - Free for All ]