Implementasi Convolutional Neural Networks (CNN) dan Multi-Objective Particle Swarm Optimization (MOPSO) untuk Klasifikasi Ekspresi Wajah Penonton Stand Up Comedy

Penulis Utama : Agus Kurnia Akbar
NIM / NIP : I0320004
× <p class="MsoNormal" xss=removed><i>Stand Up Comedy </i>merupakan salah satu industri hiburan yang sedang berkembang di Indonesia. Kualitas <i>joke </i>dari <i>stand up comedian </i>dapat dilihat dari respon penonton berupa suara tertawa dan ekspresi wajahnya. Tetapi sangat sulit untuk menentukan tingkat tertawa penonton secara <i>manual. </i>Oleh sebab itu, dibutuhkan alat bantu untuk mengukur tingkat tertawa penonton yang lebih objektif. Dalam penelitian ini dilakukan perancangan dan pengembangan model <i>machine learning </i>menggunakan <i>convolutional neural network </i>untuk menganalisis ekspresi wajah penonton <i>stand up comedian. </i>Diterapkan juga algoritma <i>multi-objective particle swarm optimization </i>untuk menentukan <i>hyperparameter </i>terbaik untuk model. Tahapan penelitian antara lain pengumpulan dataset, <i>preprocessing </i>data, perancangan model, pelatihan model dan <i>testing </i>model. Dilakukan pemilihan <i>hyperparameter </i>terbaik dengan kriteria performansi model. Model dengan <i>hyperparameter </i>terbaik diuji dengan menggunakan data buatan <i>crowd emotion </i>dan data langsung <i>video crowd </i>penonton.<i> </i>Hasil dari penelitian ini menunjukan model dapat mengklasifikasikan ekspresi wajah pada data gambar dan video dengan baik tetapi hanya pada ekspresi bahagia, marah dan sedih. Sedangkan ekspresi lain seperti jijik, takut, datar dan terkejut terbaca ke dalam tiga ekspresi yang terprediksi tersebut.<o></o></p>