Text
Karakterisasi Molekuler Oryza sp. dan Skrining Fitokimia serta Penambatan Molekuler Senyawanya dengan Protein Covid-19 6Y2G
Klasifikasi ekspresi citra wajah merupakan tugas yang populer dalam computer vision.
Penelitian sebelumnya kebanyakan berfokus untuk meningkatkan akurasi tanpa memperhatikan
implementasi pada perangkat dengan komputasi terbatas. Namun, penerapan tugas ini cocok
untuk digunakan pada perangkat mobile atau embedded system. Sehingga, penelitian ini
menggunakan model MobileNetV2 yang dirancang untuk dapat berjalan pada perangkat dengan
komputasi rendah. Model MobileNetV2 dilatih dengan empat optimasi berbeda yang bertujuan
untuk mendapatkan model dengan akurasi terbaik. Optimasi yang dilakukan meliputi cara
pelatihan, kombinasi epoch, ukuran batch, dan teknik untuk mengatasi permasalahan distribusi
data yang tidak seimbang pada dataset FER2013. Berdasarkan hasil eksperimen yang dilakukan,
optimasi terbaik ditemukan dengan menggunakan model pre-trained ImageNet yang dilatih
selama 20 epoch dengan weight pre-trained model yang di-freeze, dilanjutkan dengan 80 epoch
dengan weight pre-trained model yang di-unfreeze, menggunakan ukuran batch 32, dan tanpa
perlakuan khusus untuk menangani permasalahan ketidakseimbangan data. Model ini mencapai
nilai akurasi validasi tertinggi sebesar 66,04%. Evaluasi akhir pada data uji FER2013
menunjukkan model ini mampu melakukan klasifikasi ekspresi citra wajah dengan akurasi
sebesar 66,16%. Nilai ini melebihi akurasi manusia yang dilaporkan oleh pembuat dataset, yaitu
65%.
Kata Kunci : Ekspresi Wajah, MobileNetV2, Epoch, Batch Size, Pre-trained Model
070B.TEK2023 | 070 B.TEK 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain