Pengembangan Aplikasi Mobile untuk Pengenalan Emosi Manusia Menggunakan Facial Expression Recognition untuk Membantu Anak dengan Autisme

Nugroho, Stefanus Lionel Carlo (2023) Pengembangan Aplikasi Mobile untuk Pengenalan Emosi Manusia Menggunakan Facial Expression Recognition untuk Membantu Anak dengan Autisme. Other thesis, Institut Teknologi Informasi.

Text (05311940000027-Undergraduate_Thesis) 05311940000027-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (3MB) | Request a copy

Abstract

Kemampuan melakukan interpretasi emosi lawan bicara ataupun diri sendiri dari ekspresi wajah menjadi kemampuan dasar yang sangat penting dalam sebuah interaksi sosial. Namun demikian, kemampuan ini merupakan hal yang kompleks dan tidak dikuasai oleh semua orang. Individu dengan gangguan spektrum autisme atau dikenal dengan Autism Spectrum Disorder (ASD) mengalami kesulitan dalam melakukan hal tersebut dan kemudian berlanjut pada kurangnya kemampuan mereka untuk membaur dalam interaksi sosial serta menciptakan relasi yang baik dengan orang lain seperti orang normal pada umumnya. Perkembangan teknologi menyebabkan solusi terhadap permasalahan ini bisa dicapai dengan praktis dan biaya yang ekonomis. Besarnya penggunaan ponsel pintar pada masyarakat Indonesia menjadikan implementasi system pengenalan ekspresi wajah dalam bentuk aplikasi menjadi bentuk implementasi terbaik untuk memudahkan penggunaan system. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan ekspresi wajah manusia dengan pendekatan deep learning dalam bentuk web aplikasi yang dapat dipasang pada perangkat ponsel pintar (smartphone) untuk membantu penderita ASD dalam menginterpretasikan emosi dari ekspresi wajah dalam sebuah interaksi sosial. Pengembangan aplikasi ini diharapkan dapat membantu para individu dengan gangguan spektrum autism dalam berinteraksi dan menciptakan relasi yang lebih baik dengan orang-orang di sekitar mereka melalui pemahaman yang lebih baik terhadap emosi lawan bicara maupun diri sendiri dalam berbagai interaksi sosial yang mereka alami secara real-time. Model yang dihasilkan dalam penelitian mendapatkan nilai akurasi terbaik sebesar 0,91 dengan nilai rata-rata f-1 score sebesar 0,91.
=================================================================================================================================
The ability to interpret our own or the conversational partner’s emotions from facial expressions is a fundamental ability to establish an ideal social interaction. However, this ability is a really complex task for some people. Individuals with Autism Spectrum Disorder (ASD) have difficulty in doing this and then progress to their lack of ability to blend in social interactions and create good relationships with other people like normal people in general. Such advancement in technological developments have made solutions to this problem can be achieved in a practical and economical way. The widely used smartphone among people in Indonesia makes the facial expression recognition system implementation in the form of application is the best option to make the application easier for users. This study aims to develop a human facial expression recognition system with a deep learning approach in the form of a web based mobile application that can be installed into smartphones to help people with ASD in interpreting emotions from the facial expressions of their own or their conversational partner in a social interaction. The development of this application is expected to help individuals with ASD interact and create better relationships with people around them through a better understanding of other people’s emotion during various social interactions they experience in real-time. The classification model resulted by this research obtained the best accuracy result of 0,91 with the f1-score of 0,91.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengenalan ekspresi wajah; Autism Spectrum Disorder (ASD); deep learning; web-aplikasi mobile; real-time
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) > TA1650 Face recognition. Optical pattern recognition.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Stefanus Lionel Carlo Nugroho
Date Deposited:	09 Feb 2023 02:09
Last Modified:	09 Feb 2023 02:09
URI:	http://repository.its.ac.id/id/eprint/96628

Actions (login required)

View Item