ALDIERO, ALEXANDER RIVELINO ALDO (2021) Penggunaan Pengenalan Pola Ekspresi Wajah untuk Mendeteksi Emosi Manusia dengan Aplikasi Android. S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.

Text (ALEXANDER RIVELINO ALDO ALDIERO)
17 07 09395_0.pdf

File Pdf (292kB)
Text
17 07 09395_1.pdf

File Pdf (202kB)
Text
17 07 09395_2.pdf

File Pdf (191kB)
Text
17 07 09395_3.pdf
Restricted to Registered users only

File Pdf (340kB)
Text
17 07 09395_4.pdf
Restricted to Registered users only

File Pdf (940kB)
Text
17 07 09395_5.pdf
Restricted to Registered users only

File Pdf (12MB)
Text
17 07 09395_6.pdf

File Pdf (253kB)

Abstract

Emosi manusia dipancarkan melalui ekspresi wajahnya. Dengan face
recognition komputer dapat mengidentifikasi bentuk wajah seseorang.
Menggunakan facial recognition dan machine learning kita dapat mengidentifikasi
wajah dan mengklasifikasikannya berdasarkan ekepresi wajah yang dipancarkan
melalui aplikasi android.
Demi menyelesaikan permasalahan yang ada, dilakukan pembentukan model
dengan dataset yang didapat dan melakukan proses training menggunakan metode
CNN pada tiap ekspresi wajah manusia. Model yang dihasilkan dari proses training
akan diimplementasikan kedalam android menggunakan OpenCV sebagai
pendeteksi wajah manusia dan model tensorflow lite sebagai pengklasifikasian
untuk prediksi emosi dari ekspresi wajah yang didapat.
Dari penelitian yang dilakukan didapatkan akurasi akhir sebesar 77.91% dan
validation accuracy sebesar 71.60% untuk model trainingnya. Kemudian aplikasi
android dapat mendeteksi emosi dari kelima kategori ekspresi wajah sad, surprise,
angry, happy dan neutral. Pengimplementasian menggunakan tensorflow lite dan
OpenCV berhasil dilakukan dan dapat dijalankan.

Item Type: Thesis (S1)
Uncontrolled Keywords: Face Recognition, Face Classification, CNN, Tensorflow, OpenCV
Subjects: Teknik Informatika > Mobile Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Date Deposited: 15 Dec 2021 02:20
Last Modified: 15 Dec 2021 02:20
URI: https://repository.uajy.ac.id/id/eprint/25999

Actions (login required)

View Item
View Item