Publisher

UMKLAUMKLA

Journal JKTI Jurnal Keilmuan Teknologi InformasiJKTI Jurnal Keilmuan Teknologi Informasi Abstract

Penelitian ini berfokus pada pengembangan sistem deteksi ekspresi wajah secara real-time menggunakan YOLOv12. Studi ini menggunakan dataset sekunder dari Kaggle yang terdiri dari 1.000 gambar yang dikategorikan ke dalam dua kelas: Senang dan Tidak Senang. Dataset tersebut melalui tahap pra-pemrosesan, termasuk penggunaan bank filter Gabor untuk mengidentifikasi fitur wajah utama dan augmentasi geometrik untuk meningkatkan kualitas data. Model YOLOv12 dilatih dengan 100 epoch, ukuran batch 4, dan pengoptimal AdamW, mencapai nilai mean Average Precision (mAP@0.5) sebesar 0,89 untuk kedua kelas ekspresi, jadi model AI yang dikembangkan mampu mengenali ekspresi wajah dengan akurasi tinggi, ditunjukkan oleh mAP@0.5 sebesar 0,89 untuk dua jenis ekspresi. Sistem ini menunjukkan kinerja real-time dengan kecepatan pemrosesan rata-rata 15 FPS pada perangkat berbasis CPU, serta mampu beradaptasi dengan baik terhadap berbagai kondisi pencahayaan dan sudut pandang, meskipun akurasi menurun sekitar 5-7% dalam lingkungan dengan cahaya rendah. Hasil penelitian menunjukkan potensi penerapan model ini dalam bidang kesehatan mental, interaksi manusia-komputer, dan keamanan. Keterbatasan meliputi dataset yang terbatas dan tantangan dalam mendeteksi ekspresi mikro. Untuk penelitian selanjutnya, disarankan untuk memperluas dataset dengan lebih banyak kelas ekspresi dan mengintegrasikan model pasca-pemrosesan untuk mengurangi false positives.

Conclusion

Penelitian ini berhasil mengembangkan sistem deteksi ekspresi wajah real-time dengan YOLOv12 yang mencapai akurasi tinggi (mAP@0.5 sebesar 0,89) dan kecepatan pemrosesan 15 FPS.Sistem ini menunjukkan potensi besar untuk diterapkan di berbagai bidang seperti kesehatan mental, interaksi manusia-komputer, dan keamanan.Meskipun demikian, model ini memiliki keterbatasan pada dataset yang hanya mencakup dua kelas ekspresi dan kesulitan dalam mendeteksi ekspresi mikro.

Future Research

Penelitian selanjutnya bisa mengembangkan arah baru yang menarik untuk mengatasi keterbatasan yang ada. Pertama, sebagai pengembangan dari saran menambah kelas, sebuah penelitian bisa menyelidiki bagaimana cara terbaik untuk meningkatkan kemampuan model dalam membedakan berbagai ekspresi yang lebih kompleks dan mirip, seperti antara ekspresi sedih dan takut, dengan menggunakan dataset yang jauh lebih besar dan beragam secara demografis. Kedua, karena akurasi model menurun signifikan di tempat dengan cahaya rendah, apakah mungkin untuk merancang dan mengintegrasikan teknik pra-pemrosesan gambar yang cerdas secara adaptif? Tujuannya adalah agar teknik tersebut dapat secara otomatis memperbaiki pencahayaan sebelum gambar masuk ke model utama tanpa menghambat kecepatan real-time. Ketiga, untuk mengatasi masalah false positives dan ekspresi mikro yang terlewat, penelitian bisa mengeksplorasi penggabungan model YOLOv12 dengan algoritma analisis lain yang secara spesifik fokus pada mengidetifikasi perubahan kecil pada otot wajah. Menggabungkan ketiga ide ini tidak hanya akan memperkuat akurasi dan keandalan model secara umum, tetapi juga membuatnya lebih tangguh dan siap digunakan dalam berbagai situasi di dunia nyata, mulai dari ruangan yang redup hingga aplikasi kesehatan mental yang membutuhkan pemahaman emosi yang sangat halus dan detail.

References

1. Socially Responsible Application of Artificial Intelligence in Human Resources Management | IGI Global... services.igi-global.com/resolvedoi/resolve.aspx?doi=10.4018/979-8-3693-3334-1.ch004Socially Responsible Application of Artificial Intelligence in Human Resources Management IGI Global services igi global resolvedoi resolve aspx doi 10 4018 979 8 3693 3334 1 ch004
2. 0. iccbased endobj khrh 6dtpdq gtsl nlmd 34zk doi.org/10.48175/IJARSCT-225390 iccbased endobj khrh 6dtpdq gtsl nlmd 34zk doi 10 48175 IJARSCT 22539
3. PEMANFAATAN SAM DAN YOLOV8 UNTUK DETEKSI DAN SEGMENTATION MRI TUMOR OTAK | TEKNIMEDIA: Teknologi Informasi... doi.org/10.46764/teknimedia.v5i1.192PEMANFAATAN SAM DAN YOLOV8 UNTUK DETEKSI DAN SEGMENTATION MRI TUMOR OTAK TEKNIMEDIA Teknologi Informasi doi 10 46764 teknimedia v5i1 192
4. Facial Human Emotion Recognition by Using YOLO Faces Detection Algorithm: Pengenalan Emosi Wajah Manusia... doi.org/10.21070/joincs.v6i2.1629Facial Human Emotion Recognition by Using YOLO Faces Detection Algorithm Pengenalan Emosi Wajah Manusia doi 10 21070 joincs v6i2 1629

Subjects

1. #prediction model#prediction model
2. #akurasi model#akurasi model

Metadata

File size	466.19 KB
Pages	5
Short Link	https://juris.id/p-155
Lookup Links	Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCA	Report