SISTEM IDENTIFIKASI DAN MONITORING EMOSI DASAR MANUSIA MELALUI EKSPRESI WAJAH DENGAN METODE DEEP LEARNING

nailatul, fadhilah (2019) SISTEM IDENTIFIKASI DAN MONITORING EMOSI DASAR MANUSIA MELALUI EKSPRESI WAJAH DENGAN METODE DEEP LEARNING. Diploma thesis, universitas andalas.

[img]
Preview
Text (cover dan abstrak)
cover dan abstrak.pdf - Published Version

Download (168kB) | Preview
[img]
Preview
Text (bab i pendahuluan)
bab I pendahuluan.pdf - Published Version

Download (422kB) | Preview
[img]
Preview
Text (bab 5 penutup)
bab 5 penutup.pdf - Published Version

Download (97kB) | Preview
[img]
Preview
Text (daftar pustaka)
daftar pustaka.pdf - Published Version

Download (119kB) | Preview
[img] Text (skripsi fulltext)
skripsi full text.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Emosi dapat diketahui dari berbagai aspek seperti intonasi suara, gerakan tubuh, ekspresi wajah, dan electroencephalography (EEG). Ekspresi wajah adalah proses mengekspresikan atau menunjukkan niat, ide, perasaan, dan sebagainya. Manusia mengeluarkan ekspresi wajah tertentu dapat secara sadar atau tidak sadar disebabkan oleh perasaan atau emosi dari manusia. Ekspresi manusia yang paling ekspresif adalah emosi melalui ekspresi wajah. Kontur mulut, mata dan alis memainkan peran penting dalam klasifikasi ekspresi wajah. Deep Learning adalah salah satu area pembelajaran mesin yang memanfaatkan jaringan saraf tiruan untuk mengimplementasikan masalah dengan dataset besar. Teknik pembelajaran mendalam memberikan arsitektur yang sangat kuat untuk pembelajaran yang diawasi. Dengan menambahkan lebih banyak lapisan, model pembelajaran dapat lebih mewakili data gambar berlabel. Convolutional Neural Network (CNN) efektif dalam menyelesaikan masalah yang berkaitan dengan gambar, sehingga hampir semua sistem pembelajaran mesin yang terkait dengan gambar saat ini didasarkan pada CNN. Tingkat keberhasilan mendeteksi ekspresi emosional dari total 10 subjek uji adalah 52,8571% dengan respons komunikasi server dan node 2,845 detik.

Item Type: Thesis (Diploma)
Primary Supervisor: Lathifah Arief, MT
Uncontrolled Keywords: Emosi, Ekspresi, Identifikasi, Monitoring, Deep Learning, Convolutional Neural Network (CNN).
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions: Fakultas Teknologi Informasi > Sistem Komputer
Depositing User: s1 sistem komputer
Date Deposited: 29 Oct 2019 12:32
Last Modified: 29 Oct 2019 12:32
URI: http://scholar.unand.ac.id/id/eprint/53473

Actions (login required)

View Item View Item