Skripsi/Tugas Akhir

Evaluasi Kinerja Model Transfer Learning untuk Deteksi Ekspresi Wajah Secara Realtime Menggunakan VGG16

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Penelitian ini membahas evaluasi kinerja model transfer learning VGG16 dalam deteksi ekspresi wajah secara real-time. Dengan menggunakan dataset FER2013, penelitian ini mengadopsi metode Convolutional Neural Network (CNN) dan Confusion Matrix untuk evaluasi kinerja model. Hasil evaluasi menunjukkan tingkat akurasi sekitar 66.9%, dengan upaya untuk mengurangi data loss berhasil menurunkannya sekitar 93%. Studi ini menyoroti pentingnya optimalisasi pengaturan kamera dan pencahayaan selama proses deteksi ekspresi wajah untuk meningkatkan performa model. Selain itu, integrasi variabel tambahan dalam dataset dapat meningkatkan kemampuan model untuk mengenali dan memahami variasi ekspresi wajah pada kelompok yang lebih beragam. Penelitian ini diharapkan memberikan kontribusi dalam pengembangan ilmu kecerdasan buatan dan aplikasi deteksi ekspresi wajah yang responsif.
Kata Kunci: Transfer Learning, Ekspresi, Evaluasi

ABSTRACT
This research discusses the performance evaluation of the VGG16 transfer learning model in real-time facial expression detection. Using the FER2013 dataset, this research adopts the Convolutional Neural Network (CNN) and Confusion Matrix methods to evaluate model performance. The evaluation results show an accuracy rate of around 66.9%, with efforts to reduce data loss succeeding in reducing it to around 93%. This study highlights the importance of optimizing camera settings and lighting during the facial expression detection process to improve model performance. Additionally, the integration of additional variables in the dataset can improve the model's ability to recognize and understand variations in facial expressions across more diverse groups. This research is expected to contribute to the development of artificial intelligence and responsive facial expression detection applications.
Keywords: Transfer Learning, Expression, Evaluation

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 ABD e - 0629TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xi + 60 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 15 Februari 2024

Subjek

Skripsi/Tugas Akhir
Convolutional Neural Network

Lampiran File