PENGEMBANGAN MODEL CONVOLUTIONAL NEURAL NETWORK UNTUK MENDETEKSI EKSPRESI WAJAH DENGAN MENGGUNAKAN EMOJI PADA UJIAN MAHASISWA DI PERGURUAN TINGGI

Ahmad, Fadil DW (2022) PENGEMBANGAN MODEL CONVOLUTIONAL NEURAL NETWORK UNTUK MENDETEKSI EKSPRESI WAJAH DENGAN MENGGUNAKAN EMOJI PADA UJIAN MAHASISWA DI PERGURUAN TINGGI. Diploma thesis, Universitas Andalas.

[img]
Preview
Text (Cover dan Abstrak)
Cover+Abstrak.pdf - Published Version

Download (32kB) | Preview
[img]
Preview
Text (BAB 1)
BAB I.pdf - Published Version

Download (433kB) | Preview
[img]
Preview
Text (BAB AKHIR)
BAB V.pdf - Published Version

Download (27kB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version

Download (250kB) | Preview
[img] Text (SKRIPSI FULL TEXT)
TA_Fulltext.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Ujian merupakan proses sistematik untuk mengukur pencapaian peserta uji. Pada beberapa perguruan tinggi, pengawas ujian bukanlah penilai ujian. Hal ini dapat menyebabkan penilai kehilangan salah satu unsur penilaian, yaitu ekspresi wajah mahasiswa peserta ujian. Ekspresi wajah dapat digunakan oleh penilai sebagai cara untuk memvalidasi hasil ujian mahasiswa. Penelitian ini bertujuan untuk mengetahui apakah emoji dapat digunakan untuk merepresentasikan ekspresi wajah manusia dan digunakan untuk mendeteksi ekspresi wajah peserta ujian. Penelitian menggunakan metode Convolutional Neural Network (CNN) sebagai dasar untuk membangun model yang mampu mendeteksi ekspresi wajah pada emoji. Evaluasi model menggunakan Facial Expression Recognition (FER) Evaluation Metrics, yaitu precision, recall, accuracy, dan F1-score. Proses pengujian model dilakukan dengan dua metode, pengujian dengan emoji dan pengujian dengan ekspresi wajah. Hasil pengujian pada data uji emoji menghasilkan nilai score rata-rata 79% untuk precision, 71.1% untuk recall, 71.8% untuk F1-score, dan akurasi sebesar 73%. Hasil pengujian pada data uji ekspresi wajah menghasilkan score rata-rata untuk precision sebesar 40.2%, recall sebesar 35.2%, F1-score sebesar 26.6%, dan akurasi 35.1%.

Item Type: Thesis (Diploma)
Primary Supervisor: Hasdi Putra, M.T.
Uncontrolled Keywords: Convolutional Neural Network, Emoji, Facial Expression Recognition, Ujian
Subjects: Q Science > QA Mathematics > QA76 Computer software
Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions: Fakultas Teknologi Informasi > Sistem Informasi
Depositing User: s1 sistem informasi
Date Deposited: 13 May 2022 07:08
Last Modified: 13 May 2022 07:08
URI: http://scholar.unand.ac.id/id/eprint/103379

Actions (login required)

View Item View Item