SKRIPSI IF
LEMBAR PENGESAHAAN ANALISIS KOMPARASI MODEL EFFICIENTNET DAN RESNET-50 PADA SISTEM DETEKSI EMOSI WAJAH REAL-TIME DALAM COMPUTER VISION
ABSTRAK
Tujuan penelitian ini adalah untuk mengetahui bagaimana mengimplementasikan sistem
deteksi emosi wajah secara real-time dengan mengintegrasikan input kamera (webcam)
menggunakan bahasa pemrograman Python serta pustaka OpenCV dan TensorFlow/Keras,
bagaimana melatih dan mengevaluasi kinerja model CNN EfficientNet dan ResNet-50
menggunakan dataset RAF-DB dalam mengenali tujuh kategori emosi dasar pada citra wajah,
bagaimana perbandingan efisiensi komputasi berdasarkan kecepatan pemrosesan dan performa
klasifikasi berdasarkan accuracy, precision, recall, dan F1-score antara model EfficientNet dan
ResNet-50 dalam mendukung implementasi sistem deteksi emosi wajah secara real-time.
Penelitian ini menggunakan metode pendekatan eksperimen kuantitatif dengan tujuan
membandingkan kinerja arsitektur jaringan saraf tiruan yaitu ResNet-50 dan EfficientNet
dalam mengenali tujuh jenis ekspresi emosi wajah secara real-time. Hasil penelitian
menunjukan EfficientNet memiliki performa yang lebih baik dibandingkan ResNet-50. Pada
data uji, EfficientNet memperoleh accuracy 77,57%, precision 77,72%, recall 77,57%, dan F1
score 77,40%, sedangkan ResNet-50 accuracy 71,61%, precision 73,54%, recall 71,61%, dan
F1-score 70,66%. Pada pengujian real-time, EfficientNet juga menunjukkan waktu respons
yang lebih cepat (
| S260908020 | 607.2 SAP a | Perpustakaan STMIK AMIKBANDUNG | Tersedia |
Tidak tersedia versi lain