SISTEM KLASIFIKASI EKSPRESI WAJAH ANAK DOWN SYNDROM MENGGUNAKAN DEEP RESIDUAL NETWORK (RESNET50)

NINGSIH, DESI EKA (2026) SISTEM KLASIFIKASI EKSPRESI WAJAH ANAK DOWN SYNDROM MENGGUNAKAN DEEP RESIDUAL NETWORK (RESNET50). Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (555kB)
	Text BAB 1 2 3.pdf Download (669kB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pengenalan ekspresi wajah anak Down Syndrome masih dilakukan melalui pengamatan langsung oleh guru sehingga hasil pengamatan cenderung subjektif dan belum terdokumentasi secara sistematis. Penelitian ini bertujuan untuk merancang dan membangun aplikasi FaceScan berbasis web menggunakan metode Deep Residual Network (ResNet50) untuk membantu proses klasifikasi ekspresi wajah anak Down Syndrome secara otomatis. Tahapan penelitian meliputi pengumpulan dataset, preprocessing citra, pelatihan model ResNet50 menggunakan transfer learning, implementasi aplikasi, serta pengujian dan evaluasi sistem. Data citra dikelompokkan ke dalam tujuh kategori ekspresi, yaitu netral, bahagia, sedih, marah, takut, terkejut, dan menangis. Tahap preprocessing meliputi deteksi wajah, perubahan ukuran citra menjadi 224 × 224 piksel, normalisasi, dan augmentasi data. Berdasarkan hasil implementasi dan pengujian, aplikasi FaceScan berhasil dikembangkan dan dapat melakukan klasifikasi ekspresi wajah anak Down Syndrome secara otomatis. Hasil evaluasi model menunjukkan training accuracy sebesar 68,64%, validation accuracy sebesar 62,98%, validation loss sebesar 1,1364, dan macro F1-score sebesar 0,66. Hasil pengujian aplikasi menunjukkan bahwa sistem mampu melakukan validasi dan klasifikasi citra dengan waktu proses antara 2,0 hingga 6,2 detik. Aplikasi juga menyediakan fitur analisis foto tunggal, batch processing, serta riwayat hasil analisis. Sistem mampu melakukan validasi dan klasifikasi dengan baik pada citra yang memiliki kualitas, pencahayaan, fokus, posisi, dan jarak wajah yang sesuai. Namun, hasil klasifikasi masih dipengaruhi oleh kualitas citra, kondisi pencahayaan, posisi wajah, serta jarak wajah dari kamera. Dengan demikian, aplikasi FaceScan dapat digunakan sebagai alat bantu bagi guru dan tenaga pendamping dalam mengenali, mendokumentasikan, dan memantau ekspresi wajah anak Down Syndrome secara lebih objektif, konsisten, dan terstruktur.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Deep Learning, Down Syndrome, Ekspresi Wajah, FaceScan, Klasifikasi Emosi, ResNet50.
Subjects:	Dewey decimal Classification Subject Areas > 000 Karya Umum > 000-009 Ilmu Umum dan Komputer
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Pustaka - -
Date Deposited:	28 Sep 2026 02:51
Last Modified:	28 Sep 2026 02:51
URI:	http://repository.upp.ac.id/id/eprint/4916

Actions (login required)

View Item