EDO NUGRAHA, NIM 162021012 (2025) DEEP LEARNING KLASIFIKASI EKSPRESI WAJAH UNTUK PENGUJIAN CITRA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi thesis, Universitas Muhammadiyah Palembang.
|
Text
162021012_BAB 1-DAFTAR PUSTAKA.pdf - Published Version Download (1MB) | Preview |
|
![[img]](http://repository.um-palembang.ac.id/style/images/fileicons/text.png) |
Text
162021012_BAB II.pdf Restricted to Repository staff only Download (529kB) |
|
|
Text
162021012_BAB III.pdf Restricted to Repository staff only Download (778kB) |
|
|
Text
162021012_BAB IV.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
162021012_BAB V.pdf Restricted to Repository staff only Download (293kB) |
|
|
Text
162021012_DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (273kB) |
|
|
Text
162021012_LAMPIRAN.pdf Restricted to Repository staff only Download (2MB) |
|
|
Text
162021012_COVER-LAMPIRAN.pdf Restricted to Repository staff only Download (5MB) |
Abstract
Penelitian ini mengevaluasi performa model CNN kustom dan MobileNetV2 dengan pendekatan fine-tuning untuk klasifikasi ekspresi wajah pada dataset Fer2013, yang terdiri dari citra grayscale berukuran 48×48 piksel. Model CNN kustom dirancang khusus untuk menyesuaikan karakteristik dataset, sementara MobileNetV2 menggunakan bobot awal dari ImageNet. Hasil menunjukkan bahwa CNN kustom mencapai akurasi validasi 69%, MobileNetV2 yang mencapai 71,9%. Analisis confusion matrix mengungkap bahwa ekspresi “happy” dan “surprise” lebih mudah dikenali, sedangkan “fear” dan “sad” sering tertukar karena kemiripan visual. Secara keseluruhan, CNN MobileNetV2 terbukti lebih stabil dan akurat dalam mengenali ekspresi wajah, dengan F1-score tertinggi sebesar 0.86. Model Pretrained CNN tetap lebih unggul dalam proses pelatihan dan hasil yang di peroleh lebih memuaskan.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | PEMBIMBING : 1. APRIANSYAH,S.Kom.,M.Kom 2. JIMMIE,S.Kom.,M.Kom |
| Uncontrolled Keywords: | Klasifikasi Ekspresi Wajah, CNN Kustom, MobileNetV2, Transfer Learning, FER2013 |
| Subjects: | Teknologi informasi > program |
| Divisions: | Fakultas Teknik > Teknologi Informasi (S1) |
| Depositing User: | Mahasiswa Fakultas Teknik |
| Date Deposited: | 21 Oct 2025 06:42 |
| Last Modified: | 21 Oct 2025 06:42 |
| URI: | http://repository.um-palembang.ac.id/id/eprint/33903 |
Actions (login required)
 |
View Item |