Deteksi Emosi dari Ekspresi Wajah dengan Deep Learning

Marwan Ramdhany Edy

Authors

Marwan Ramdhany Edy Universitas Negeri Makassar

Keywords:

Convolutional Neural Network (CNN), Emosi, Deep Learning, Pengenalan ekspresi wajah

Abstract

Wajah adalah salah satu bagian penting dalam interaksi sosial manusia karena dapat mengekspresikan emosi dan niat seseorang. Penelitian ini mengarah pada pengenalan ekspresi wajah menggunakan Convolutional Neural Network (CNN) untuk memprediksi emosi seseorang secara real-time. Ekspresi wajah telah diklasifikasikan menjadi tujuh kategori berdasarkan penelitian oleh Ekman, termasuk senang, sedih, jijik, marah, terkejut, dan biasa saja. Model CNN yang dikembangkan menggunakan dataset gambar yang sudah dilabelkan untuk melakukan pembelajaran fitur dan klasifikasi ekspresi wajah. Selain itu, model ini diintegrasikan ke dalam sebuah sistem berbasis website video real-time untuk meningkatkan interaksi manusia-mesin. Penelitian ini memiliki potensi aplikasi yang luas dalam teknologi pengenalan wajah, pemahaman emosi, dan interaksi manusia dengan sistem komputer.

Downloads

Download data is not yet available.

References

Adiatma, B. C. L., Utami, E., & Hartanto, A. D. (2021). Pengenalan Ekspresi Wajah Menggunakan Deep Convolutional Neural Network. Explore, 11(2), 75. https://doi.org/10.35200/explore.v11i2.478

Amaanullah, R. R., Pascifa, G. R., Nugraha, S. A., Zein, M. R., & Adhinata, F. D. (2022). Implementasi CNN untuk deteksi emosi melalui wajah.pdf (pp. 236–244).

Azhari, I. (2021). Implementasi Algoritma Convolutional Neural Network Dalam Deteksi Emosi Manusia Berdasarkan Ekspresi Wajah. eProsiding Teknik Informatika (PROTEKTIF), 1(1), 112–118.

Convoluted Truth of CNN (Convolutional Neural Networks ) | by ... (n.d.). www.google.com. Retrieved May 22, 2024, from https://www.google.com/imgres?imgurl=https://miro.medium.com/v2/resize:fit:1400/1*SOfL1FpV3UC6CT-vjJ1CDQ.png&tbnid=TxYSZO1n0u5i-M&vet=1&imgrefurl=https://blog.stackademic.com/convoluted-truth-of-cnn-convolutional-neural-networks-843a72eac0e0&docid=_KW1UJBu1pMPCM&w=850&h=433&hl=id-ID&source=sh/x/im/can/1&kgs=0dc30a9ba6a69ece&shem=abme,ssic,trie,xga1pt1&sfr=vfe

Dewi, N., & Ismawan, F. (2021). Implementasi Deep Learning Menggunakan Cnn Untuk Sistem Pengenalan Wajah. Faktor Exacta, 14(1), 34. https://doi.org/10.30998/faktorexacta.v14i1.8989

Hartanto, H. (2019). Waktu Reaksi Dan Akurasi Dalam Pengenalan Ekspresi Wajah: Sebuah Eksperimen Psikofisik. Jurnal Psikologi, 17(2), 131. https://doi.org/10.14710/jp.17.2.131-142

Huang, Y., Chen, F., Lv, S., & Wang, X. (2019). Facial expression recognition: A survey. Symmetry, 11(10). https://doi.org/10.3390/sym11101189

Illustration-of-Max-Pooling-and-Average-Pooling-Figure-2-above-shows-an-example-of-max.png (517×451). (n.d.). Retrieved May 22, 2024, from https://www.researchgate.net/publication/333593451/figure/fig2/AS:765890261966848@1559613876098/Illustration-of-Max-Pooling-and-Average-Pooling-Figure-2-above-shows-an-example-of-max.png

Rere, L. M. R., Usna, S., & Soegijanto, D. (2019). Studi Pengenalan Ekspresi Wajah Berbasis Convolutional Neural Network. Seminar Nasional Teknologi Informasi Dan Komunikasi STI&K (SeNTIK), 3.

Sigit Guntoro, A. L., Julianto, E., & Budiyanto, D. (2015). Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network. Jurnal Informatika Atma Jogja, 3(2), 155–160.

Structure of the fully connected layer. | Download Scientific Diagram. (n.d.). www.google.com. Retrieved May 22, 2024, from https://www.google.com/imgres?imgurl=https://www.researchgate.net/publication/361204594/figure/fig2/AS:1165227387293696@1654823266284/Structure-of-the-fully-connected-layer.jpg&tbnid=hcxKfPEAfutAWM&vet=1&imgrefurl=https://www.researchgate.net/figure/Structure-of-the-fully-connected-layer_fig2_361204594&docid=3jOtG7yfRO-LWM&w=600&h=598&hl=id-ID&source=sh/x/im/can/1&kgs=653d0140065c1e2e&shem=abme,ssic,trie,xga1pt1&sfr=vfe