Artikel Ringkasan Penulisan
Ilmiah
Pada artikel ini saya akan membahas ringkasan dari
penulisan ilmiah saya yang sudah selesai disidangkan pada tanggal 26 agustus
2019. Penulisan ilmiah yang saya buat berjudul “IDENTIFIKASI EKSPRESI WAJAH
DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORKS” yang telah dibimbing
oleh bapak Remi Senjaya, ST.,MMSI. Pada penelitian tersebut saya menggunakan
bahasa pemrograman python, selain itu saya juga menggunakan bantuan Google
Colaboratory yang disediakan oleh google dan beberapa perangkat lunak seperti
Anaconda, Spyder, dll.
Tujuan penelitian tersebut adalah untuk menerapkan metode
Convolutional Neural Networks (CNN) untuk mengidentifikasi ekspresi wajah dan
mengetahui berapa tingkat tingkat kinerja model yang telah dibuat dalam
melakukan identifikasi dengan empat parameter pengukuran yaitu, accuracy,
precision, recall dan F1-Score.
Metode yang digunakan dalam
pembuatan Penulisan Ilmiah ini terdiri dari beberapa tahapan yaitu:
· Pengambilan data ekspresi wajah
Data
yang digunakan sebagai data latih data uji diambil dari Facial Expression
Recognition 2013 (FER-2013) dataset.
· Pra-pemrosesan data ekspresi wajah
Pra-pemrosesan yang dilakukan terhadap
data ekspresi wajah adalah cleaning, reshaping dan rescaling.
Setelah itu data disimpan berdasarkan ekspresinya untuk dilakukan pemrosesan
lebih lanjut.
· Perancangan model arsitektur convolutional
neural networks
Merancang model arsitektur convolutional
neural networks yang sesuai dengan citra ekspresi wajah agar model yang
dirancang dapat mempelajari citra ekspresi wajah dengan baik.
· Pelatihan model arsitektur convolutional
neural networks
Model
dilatih menggunakan citra yang sudah dikelompokan. Proses pelatihan menggunakan
28709 citra ekspresi wajah yang berlabel.
· Pengujian model arsitektur convolutional
neural networks
Model
diuji mengindetifikasi ciri ekspresi wajah yang sudah dipelajari. Pengujian ini
menggunakan 3589 citra ekspresi wajah yang berlabel, setelah itu dicari nilai
akurasi dalam identifikasi ekspresi wajah.
· Implementasi model arsitektur convolutional
neural networks
Mengimplementasikan
model pada program pendeteksi ekspresi wajah secara realtime untuk
mengetahui bahwa model dapat mengidentifikasi ekspresi wajah secara realtime
atau tidak. Setelah itu dihitung ketepatan dalam identifikasi ekspresi wajah
menggunakan confusion matrix.
Model dan dataset akan dirancang untuk mendeteksi 6 jenis
ekspresi wajah yaitu marah, takut, senang, sedih, terkejut, dan netral. Hasil
model pada proses pelatihan data akan diimplementasikan pada sistem
pendeteksian secara realtime. Pada saat dilakukan pengujian deteksi secara
realtime dengan 78 kali percobaan, model menghasilkan nilai akurasi yang sangat
baik yaitu sebesar 94.8%. Pada penghitungan nilai precision, recall dan F1-Score
juga mendapatkan nilai yang baik pada setiap label emosi. Dari hasil penelitian
ini dapat disimpulkan bahwa metode Convolutional Neural Network (CNN)
dapat digunakan untuk mengidentifikasi atau mendeteksi ekspresi wajah manusia
dan hampir mampu menyamai kemampuan manusia.
Kelebihan dari sistem pendeteksi ekspresi wajah yang telah
saya buat adalah dapat mengenali 6 jenis ekspresi wajah yaitu marah, takut,
senang, sedih, terkejut, dan netral dengan baik secara realtime. Alasan
penulisan ilmiah menjadi lambat sidang dikarenakan diharuskan melakukan riset
lebih dalam tentang bidang deep learning dan computer vision. Selain itu yang
menjadikan pengerjaan penulisan ilmiah ini menjadi lambat adalah pada saat
mencari dataset yang tepat untuk dijadikan data latih dan uji dan membuat model
deteksi yang baik agar mendapatkan nilai akurasi yang maksimal. Hasil model
dari penelitian yang saya buat dapat dikembangkan menjadi suatu program yang
melibatkan pendeteksian ekspresi wajah untuk membantu pelaku kegiatan bisnis
informatika untuk mendapatkan keuntungan. Misalnya membuat sistem yang dapat
menentukan jenis musik yang akan diputar menggunakan pendeteksian ekspresi
wajah untuk pelaku bisnis layanan musik.
Tidak ada komentar:
Posting Komentar