Sistem Pendeteksi Adanya Ekspresi Nyeri Bahu Pada Wajah Manusia Saat Menggunakan Masker

Mutia, Firza (2021) Sistem Pendeteksi Adanya Ekspresi Nyeri Bahu Pada Wajah Manusia Saat Menggunakan Masker. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover dan Abstrak Mutia Firza.pdf - Published Version Download (60kB) | Preview
Preview	Text (BAB I Pendahuluan) BAB I (PENDAHULUAN) Mutia Firza.pdf - Published Version Download (223kB) | Preview
Preview	Text (BAB 5 Penutup) BAB V PENUTUP Mutia Firza.pdf - Published Version Download (32kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (354kB) | Preview
	Text (Skripsi Full Text) tugas akhir full Mutia Firza.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Zaman modern ini perkembangan teknologi terus berkembang secara pesat. Perkembangan ini juga terjadi pada dunia kesehatan yaitu pada bidang terapis. Dengan adanya perkembangan ini petugas kesehatan dapat memberikan dan menentukan intensitas terapi yang tepat. Hal yang dapat dijadikan sebagai acuan adalah ekspresi wajah. Namun saat pandemi covid 19 ini membuat sulit untuk menentukan ekspresi tersebut. Oleh karena itu pada penelitian ini dirancang sistem yang dapat mengenali ekspresi tersebut. Yang mana sistem tersebut dapat menentukan ada atau tidaknya ekspresi nyeri yang terdapat pada wajah yang dipindai. Sistem dirancang menggunakan aplikasi Visual Studio code dengan bahasa pemprograman Python. Program terdiri dari pembacaan face lanmark (titik pada wajah) manggunakan library Dlib. Terdapat 41 titik yang dipakai untuk membentuk 19 buah fitur berupa segitiga dan garis. Selanjutnya di ambil data fitur tersebut dari 24 responden dengantotal frame 20 ribu. 24 orang responden tersebut berasal dari dataset yang telah disediakan. Dari data tersebut dilakukan pelatihan dan pengujian dengan dengan metode JST (Jaringan Saraf Tiruan) dengan variasi rasio data latih dan data uji 50:50; 60:40; 70:30. Serta variasi jumlah neuron pada hidden layer. Hasil yang didapatkan dari pengujian data tersebut adalah didapatkan akurasi tertinggi seberas 86% dengan jumlah hidden layer 20 serta variasi data latih banding data uji 60:40.

Actions (login required)

View Item