@article{Septian_Saputra_Sambasri_2020, title={Klasifikasi Emosi Menggunakan Convolutional Neural Networks}, url={https://senter.ee.uinsgd.ac.id/repositori/index.php/prosiding/article/view/senter2019p7}, abstractNote={<p>Berbagai studi mengenai klasifikasi emosi telah dilakukan dengan menggunakan beberapa metode tertentu, namun masih terdapat permasalahan dalam performansi untuk proses data yang banyak, termasuk permasalahan dalam hal sistem yang overfit. Pada paper ini diimpelentasikan metode convolutional neural networks (CNN) untuk mengidentifikasi emosi pada citra wajah dengan tujuh jenis emosi yakni marah, senang, sedih, jijik, terkejut, takut dan netral. Metode CNN mampu mengekstraksi ciri tersembunyi pada citra dengan melakukan proses konvolusi, selain itu dalam pemrosesan data, metode ini dapat mengurangi overfit dibandingkan metode lainnya, dengan menggunakan augmentasi pada data serta penambahan regulasi seperti dropout. Dengan menggunakan dataset facial expression recognition (FER) dilakukan proses training dengan menganalisis perubahan nilai akurasi berdasarkan parameter batch, epoch, dan dropout. Hasil dari analisis di dapat parameter optimal batch 32, epoch 100 dan dropout 0.6 dengan akurasi training 61.51%, akurasi validasi 64.54%, training loss 4.29% dan validation loss 3.96%. Dari parameter optimal tersebut diujikan pada data asing sebanyak 3589 data dan menghasilkan nilai akurasi 67%, presisi 67% dan recall 66%.</p>}, journal={Prosiding Seminar Nasional Teknik Elektro UIN Sunan Gunung Djati Bandung}, author={Septian, Ripan and Saputra, Dede Irawan and Sambasri, Susanto}, year={2020}, month={Mar.}, pages={53–62} }