Electronic Theses and Dissertation

Emosi merupakan sebuah reaksi yang terjadi terhadap sebuah situasi tertentu yang dilakukan oleh tubuh manusia. Sifat serta intensitas emosi disebabkan oleh hasil dari persepsi terhadap situasi yang terjadi. Emosi merupakan aspek yang memiliki pengaruh besar terhadap sikap manusia, yang dibarengi oleh dua aspek lainnya, yaitu daya pikir serta psikomotorik, hal ini adalah penentuan sikap yang menjadi sebuah predisposisi dari perilaku manusia. Klasifikasi emosi bertujuan untuk mengetahui serta membedakan emosi yang sedang dirasakan oleh seseorang. Penelitian ini bertujuan untuk merancang sebuah sistem klasifikasi emosi menggunakan 3 arsitektur, yaitu ResNet-50, VGG-19, dan DenseNet-201 kemudian dilakukan proses Soft Voting untuk meningkatkan akurasi prediksi model. Penelitian dilakukan pada dataset citra wajah FER 2013 yang terdiri dari 7 kelas, yaitu Anger (marah), Contempt (Merendahkan), Disgust (Jijik), Fear (Takut), Happiness (Gembira), Sadness (Sedih), dan Surprise (Terkejut). Dataset citra wajah tersebut akan dilakukan proses training, validating serta testing menggunakan ResNet-50, VGG-19, dan DenseNet-201. Kemudian dilakukan Soft Voting dari ketiga arsitektur ResNet-50, VGG-19, dan DenseNet-201 untuk meningkatkan performa dan akurasi prediksi model. Luaran dari penelitian ini adalah Sebuah sistem klasifikasi emosi berdasarkan citra wajah menggunakan arsitektur ResNet-50, VGG-19, dan DenseNet-201 dengan akurasi yang telah ditingkatkan oleh Soft Voting. Setelah dilakukan pengujian, ResNet-50 menghasilkan akurasi sebesar 88.97 %, VGG-19 88.16 %, DenseNet-201 sebesar 87.55 % dan Soft Voting menghasilkan akurasi sebesar 91.63 %.

Kata Kunci : Emosi, ResNet-50, VGG-19, DenseNet-201, Soft Voting

Emotion is a reaction that occurs in response to a particular situation experienced by the human body. The nature and intensity of emotions are caused by the result of perception of the situation at hand. Emotion is an aspect that greatly influences human behavior, accompanied by two other aspects, namely cognitive and psychomotor, which determine attitudes that predispose human behavior. Emotion classification aims to identify and differentiate the emotions being experienced by an individual. This research aims to design an emotion classification system using 3 architectures, namely ResNet-50, VGG-19, and DenseNet-201, then carry out a Soft Voting process to increase the accuracy of model predictions. The research was conducted on the 2013 FER facial image dataset which consists of 7 classes, namely Anger, Contempt, Disgust, Fear, Happiness, Sadness, and Surprise. . The facial image dataset will undergo a training, validation and testing process using ResNet-50, VGG-19, and DenseNet-201. Then Soft Voting was carried out from the three architectures ResNet-50, VGG-19, and DenseNet-201 to improve the performance and accuracy of model predictions. The output of this research is an emotion classification system based on facial images using ResNet-50, VGG-19, and DenseNet-201 architectures with accuracy that has been improved by Soft Voting. After testing, ResNet-50 produced an accuracy of 88.97%, VGG-19 88.16%, DenseNet-201 87.55% and Soft Voting produced an accuracy of 91.63%. Keywords : Emotion, ResNet-50, VGG-19, DenseNet-201, Soft Voting