PENGEMBANGAN SISTEM DETEKS EMOSI WAJAH MENGGUNAKAN ALGORITMA MACHINE LEARNING

Pebriansyah, Dendi (2025) PENGEMBANGAN SISTEM DETEKS EMOSI WAJAH MENGGUNAKAN ALGORITMA MACHINE LEARNING. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (2MB)
	Text (BAB 1) BAB 1.pdf Download (520kB)
	Text (DAFTAR PUSTAKA) DAPUS.pdf Download (454kB)
	Text (FULL BAB SKRIPSI) FULL BAB-compressed (2).pdf Restricted to Repository staff only Download (2MB)
	Text (LAMPIRAN) LAMP.pdf Download (2MB)

Abstract

Hasil penelitian ini adalah untuk membandingkan kinerja model CNN dan CNNLSTM dalam mendeteksi emosi wajah berdasarkan ekspresi senang, netral, dan sedih. Penelitian ini menggunakan dua model deep learning, yaitu CNN, yang menganalisis frame tunggal, dan CNN-LSTM, yang menggabungkan ekstraksi fitur spasial dari CNN dengan analisis temporal menggunakan LSTM. Data yang digunakan mencakup gambar wajah dengan tiga emosi yang telah dilabeli. Hasil Kinerja menunjukkan bahwa CNN memiliki akurasi 60%, dengan presisi dan recall yang bervariasi antara 50% hingga 80%. Sementara itu, CNN-LSTM menunjukkan peningkatan yang signifikan dengan akurasi 87%, dan presisi serta recall yang lebih stabil, mencapai 100% untuk emosi senang dan 80% untuk netral dan sedih. Penelitian ini menunjukkan bahwa model CNN-LSTM lebih efektif dalam mendeteksi emosi wajah secara lebih akurat dan konsisten dibandingkan dengan CNN.

Actions (login required)

View Item