PENGARUH FILTER TERHADAP PERFORMA PENGENALAN EKSPRESI WAJAH MENGGUNAKAN ARSITEKTUR DEEP LEARNING MTCNN DAN INCEPTIONSV3

Kencana, Arya Putra (2026) PENGARUH FILTER TERHADAP PERFORMA PENGENALAN EKSPRESI WAJAH MENGGUNAKAN ARSITEKTUR DEEP LEARNING MTCNN DAN INCEPTIONSV3. Diploma thesis, Universitas Nasional.

	Text cover.pdf Download (933kB)
	Text bab1.pdf Download (234kB)
	Text bab2.pdf Download (349kB)
	Text bab3.pdf Download (454kB)
	Text bab4.pdf Download (908kB)
	Text bab5.pdf Download (212kB)
	Text lampiran.pdf Download (384kB)

Abstract

Pengenalan Ekspresi Wajah (Facial Expression) berbasis deep learning sangat
dipengaruhi oleh kualitas citra input dan tahapan preprocessing. Penelitian ini
bertujuan untuk menganalisis pengaruh dari penerapan filter terhadap performa
sistem FER menggunakan MTCNN untuk deteksi wajah dan InceptionV3 untuk
klasifikasi emosi. Dataset yang digunakan adalan Emognition Wearable Dataset
2020 yang terdiri dari 2.535 citra dengan Sembilan kategori emosi. Penelitian ini
menerapkan empat jenis filter, yaitu Bilateral Filter (Baseline Filter), serta Low Pass
Filter, High Pass Filter, dan Band Pass Filter. Evaluasi dilakukan menggunakan
Confidence Score dan metrik kualitas citra (PSNR, MSE, dan SSIM)untuk
menentukan mana filter yang paling stabil. Hasil menunjukkan bahwa filtering
memengaruhi confidence score dan stabilitas prediksi model. Band Pass Filter
menghasilkan kualitas citra terbaik (MSE 43,37; PSNR 31,76 dB; SSIM 0,9903)
serta performa yang lebih stabil dibandingkan filter lainnya.Temuan ini
menunjukkan bahwa keseimbangan antara reduksi noise dan pelestarian fitur
ekspresi berperan penting dalam sistem FER.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 06:27
Last Modified:	28 Apr 2026 06:27
URI:	https://repository.unas.ac.id/id/eprint/15465

Actions (login required)

View Item