Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network

##plugins.themes.bootstrap3.article.main##

Achmad Yusuf Randy Cahya Wihandika Candra Dewi

Abstrak

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%.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Yusuf, A., Wihandika, R., & Dewi, C. Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 11, p. 10595-10604, jan. 2020. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6732>. Tanggal Akses: 09 peb. 2023
Bagian
Artikel