Record Details

Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network
 
Added Entry - Uncontrolled Name Yusuf, Achmad
Wihandika, Randy Cahya
Dewi, Candra
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Selain sebagai identitas seseorang, wajah juga merupakan alat pendukung dalam bersosialisasi secara langsung. Seseorang dapat menyampaikan emosi yang dialami menggunakan ekspresi yang dimunculkan oleh wajah. Emosi merupakan perasaan untuk mendorong individu atau merupakan respons suatu stimulus. Pada bidang consumer research, pengujian konsumen adalah metode yang digunakan untuk mengetahui memprediksi penerimaan produk oleh konsumen pada suatu pasar. Walaupun telah melalui tahap pengujian konsumen secara ekstensif sebelum memasuki pasar, tingkat kegagalan produk makanan baru masih tinggi. Hal ini menunjukkan bahwa metode pengujian konsumen secara tradisional tidak mampu memprediksi performa pasar dan penerimaan produk oleh konsumen dalam jangka panjang. Untuk dapat mengetahui perilaku konsumen dengan lebih dalam, penggunaan pengukuran emosi banyak digunakan dalam pengujian konsumen karena emosi memengaruhi perilaku konsumen. Pada permasalahan ini klasifikasi emosi berdasarkan ciri wajah dinilai cocok untuk membantu meningkatkan kualitas pengujian konsumen. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN). Data yang digunakan adalah data yang diperoleh dari Extended Cohn-Kanade Dataset (CK+) yang diambil dari 210 subjek dengan total gambar yang digunakan sebanyak 327 gambar. Pengujian penelitian menggunakan K-fold Cross Validation dengan nilai k sebesar 4. Hasil pengujian menunjukkan nilai learning rate tertentu dapat melatih arsitektur lebih baik dibandingkan dengan nilai learning rate lain. Nilai akurasi terbaik pada penelitian ini sebesar 86,4% dan rata-rata akurasi sebesar 80,7%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6732
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 3 No 11 (2019): November 2019
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2020 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com