Klasifikasi Citra Ekspresi Wajah Manusia Menggunakan Model Terlatih DenseNet169

Pada bidang teknologi, pengenalan ekspresi wajah telah diterapkan untuk mengetahui tingkat kepuasan pelanggan terhadap pelayanan selama berbelanja ataupun dalam kegiatan sosial lainnya. Penelitian dengan kasus pengenalan ekspresi wajah manusia ini dilakukan untuk dapat mengklasifikasikan ekspresi wajah manusia guna menghasilkan performa yang lebih baik dengan menggunakan model denseNet169. Penggunaan model densNet dilakukan karena memiliki arsitektur yang dapat menghubungkan layer ke layer dengan carafeed-forward, sehingga fitur yang didapatkan lebih beragam dan komplek, serta parameter dan efisiensi komputasi lebih cepat. Dengan meningkatnya jumlah koneksi langsung, struktur ini dapat menjadi lebih tepat dan efisien karena jumlah koneksi antara lapisan dekat input dan lapisan dekat output menjadi lebih terbatas. Pemilihan denseNet169 berisikan 169 layer kedalam, memiliki jumlah parameter yang minimal dibandingan dengan model lainnya dan memiliki penanganan yang lebih baik untuk masalah gradien yang hilang ketika program dijalankan. Dataset yang digunakan dalam penelitian ini diambil dari repositori terbuka www.kagle.com yang berjudul MMA Facial Expression. Peneliti melakukan dua skenario pengujian dengan 300 dan 400 dataset dimana dataset berisi kelas happy dan sad. Dataset kemudian dibagi menjadi 80% data train dan 20% data test.Dari penelitian yang dilakukan, penggunaan model denseNet169 pada penelitian ini memberikan hasil yang cukup akurat dengan mancapai angka 1,0 atau 100% untuk 300 dataset dan 0,9875 atau 99% untuk 400 dataset.