Muhammad Dandy Pratama Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2024 id Indonesia

Skripsi

Sistem klasifikasi wajah adalah teknologi komputer yang digunakan untuk mengenali dan mengelompokkan wajah manusia dalam gambar atau video. Sistem ini digunakan untuk mengidentifikasi individu atau mengelompokkan wajah berdasarkan kategori seperti usia, jenis kelamin, atau emosi. Dalam dunia pendidikan, klasifikasi wajah berperan penting untuk membantu guru memahami reaksi emosional siswa selama proses belajar berlangsung. Dengan mendeteksi emosi seperti senang, terkejut, atau sedih, guru dapat menilai sejauh mana metode pengajaran yang diterapkan efektif. Tantangan umum yang dihadapi dalam pengembangan sistem ini adalah kurangnya akurasi akibat latar belakang gambar yang masih ada, yang dapat mengganggu proses pengenalan wajah. Penelitian ini bertujuan untuk mengeksplorasi pengaruh teknik segmentasi terhadap sistem klasifikasi wajah siswa berbasis deep learning dengan focus pada peningkatan akurasi. Teknik segmentasi yang digunakan adalah GrabCut, yang bertujuan untuk memisahkan wajah siswa dari latar belakang gambar. Metode ini memungkinkan model klasifikasi untuk fokus pada fitur wajah yang relevan. Tiga arsitektur deep learning diterapkan untuk tujuan ini yaitu MobileNet-V1, ResNet-50, dan VGG-19. Hasil pengujian menunjukkan bahwa setelah segmentasi menggunakan GrabCut, dataset yang telah disegmentasi berhasil meningkatkan akurasi sistem pengenalan ekspresi. Peningkatan akurasi tercatat pada MobileNet-V1 sebesar 0,64%, pada ResNet-50 sebesar 1,28%, dan pada VGG-19 sebesar 1,28% dibandingkan dengan dataset tanpa segmentasi. Segmentasi GrabCut memberikan kontribusi positif terhadap peningkatan akurasi sistem pengenalan ekspresi wajah siswa berbasis deep learning, dengan hasil terbaik diperoleh pada arsitektur MobileNet-V1. IMAGE PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 142857 2024-12-17 17:55:26 2024-12-18 09:35:19 machine generated