Pengenalan Emosi Wajah pada Anak Menggunakan Convolutional Neural Network
Abstract viewed = 0 times
PDF (Bahasa Indonesia) downloaded = 0 times
Abstract
Salah satu teknologi biometrik yang digunakan adalah sistem pengenalan wajah dengan metode deep learning untuk mendeteksi kondisi emosional anak melalui ekspresi wajah. Sejak tahun 1992, enam emosi dasar telah diakui secara universal: marah, jijik, takut, senang, sedih, dan terkejut, serta ekspresi netral. Penelitian ini membahas penerapan deep learning dalam memantau emosi anak-anak di Kelompok Bermain Puspita Mutiara, Muaro Jambi. Dengan menggunakan jaringan saraf tiruan (CNN) dan OpenCV, penelitian ini bertujuan untuk mendeteksi kondisi mental anak melalui ekspresi wajah. Alat yang digunakan meliputi program deep learning berbasis Python yang memanfaatkan metode CNN, sedangkan antarmuka web berbasis PHP digunakan untuk menjalankan Python dan mengklasifikasikan data ekspresi wajah. Hasilnya berupa laporan klasifikasi emosi siswa berdasarkan ekspresi mereka. Penelitian ini diharapkan dapat berkontribusi pada perkembangan emosional dan psikologis anak, dengan rencana pengembangan lebih lanjut berupa akses daring dan keterlibatan ahli ekspresi untuk menghasilkan hasil yang lebih akura
References
[1] M. Awaludin, V. Yasin, and F. Risyda, “The Influence of Artificial Intelligence Technology, Infrastructure and Human Resource Competence on Internet Access Networks,” Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 9, no. 2, pp. 111–120, May 2024, doi: 10.25139/inform.v9i2.8109.
[2] M. M. Siddiqui and P. Valsalan, “AI-Based Human Face Recognition System,” 2024.
[3] M. Arsal, B. Agus Wardijono, and D. Anggraini, “Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 6, no. 1, pp. 55–63, Jun. 2020, doi: 10.25077/teknosi.v6i1.2020.55-63.
[4] S. Puspitorini, N. Kahar, and I. Kartika, “Predicting Early Childhood Readiness to Enter Elementary School Using the Naive Bayes Classification,” Arcitech: Journal of Computer Science and Artificial Intelligence, vol. 4, no. 2, pp. 84–99, Dec. 2024, doi: 10.29240/arcitech.v4i2.11635.
[5] R. S. I. Sihombing, R. N. T. Siregar, V. Sitorusm, and T. S. Sitompul, “Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network (CNN),” Journal of Creative Student Research, vol. 1, no. 6, pp. 89–97, Dec. 2023, doi: 10.55606/jcsrpolitama.v1i6.3046.
[6] L. B. Adrianto, M. I. Wahyuddin, and W. Winarsih, “Implementasi Deep Learning untuk Sistem Keamanan Data Pribadi Menggunakan Pengenalan Wajah dengan Metode Eigenface Berbasis Android,” Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), vol. 4, no. 2, p. 89, Jan. 2021, doi: 10.35870/jtik.v5i1.201.
[7] S. Prasetyo and T. Dewayanto, “PENERAPAN MACHINE LEARNING, DEEP LEARNING, DAN DATA MINING DALAM DETEKSI KECURANGAN LAPORAN KEUANGAN-A SYSTEMATIC LITERATURE REVIEW,” DIPONEGORO JOURNAL OF ACCOUNTING, vol. 13, no. 3, pp. 1–12, 2024, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/accounting
[8] E. Setia Budi, A. Nofriyaldi Chan, P. Priscillia Alda, and M. Arif Fauzi Idris, “RESOLUSI : Rekayasa Teknik Informatika dan Informasi Optimasi Model Machine Learning untuk Klasifikasi dan Prediksi Citra Menggunakan Algoritma Convolutional Neural Network,” Media Online, vol. 4, no. 5, p. 509, 2024, [Online]. Available: https://djournals.com/resolusi
[9] W. Dwiparaswati and S. V. Hilmawan, “IMPLEMENTASI FACE RECOGNITION SECARA REAL-TIME DENGAN METODE HAAR CASCADE CLASSIFIER MENGGUNAKAN OPENCV-PYTHON,” 2022.
[10] Y. Ihza and D. Lelono, “Face Expression Classification in Children Using CNN,” IJCCS (Indonesian Journal of Computing and Cybernetics Systems), vol. 16, no. 2, p. 159, Apr. 2022, doi: 10.22146/ijccs.72493.
[11] S. S. Firdauz, E. Rachmawati, and M. D. Sulistiyo, “Mask Detection on Motorcyclists Using YOLOv4,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 4, Mar. 2023, doi: 10.47065/bits.v4i4.2980.
