Fusi Algoritma K-Means dan CNN untuk Klasifikasi Emosi pada Anak

Authors

  • Fildzah Aure Gehara Zhafirah Electronic Engineering Polytechnic Institute of Surabaya
  • Rika Rokhana Politeknik Elektronika Negeri Surabaya
  • Riyanto Sigit Politeknik Elektronika Negeri Surabaya
  • Bima Sena Bayu Dewantara Politeknik Elektronika Negeri Surabaya

DOI:

https://doi.org/10.33633/tc.v22i3.8667

Keywords:

CNN, Deteksi Emosi, GSR, Heart Rate, K-Means

Abstract

Emosi adalah perasaan yang diarahkan pada seseorang ataupun sesuatu yang bisa menyebabkan sesorang bertindak atau mengekspresikan diri dan dapat dipicu secara internal ataupun eksternal. Ekspresi wajah merupakan salah satu cara termudah untuk mengetahui emosi seseorang, namun terkadang seseorang dapat mengontrol dan memanipulasi ekspresi wajah mereka sehingga tidak sesuai dengan apa yang dialami. Oleh karena itu, penelitian ini mengembangkan sistem yang dapat mengidentifikasi emosi anak tidak hanya berdasarkan wajah tetapi juga berdasarkan perubahan kondisi tubuhnya. Penelitian ini menggunakan metode klasifikasi Convolutional Neural Network (CNN) dan juga metode clusterisasi K-Means. Penggunaan 2 metode pada penelitian ini berfungsi untuk memperkuat akurasi sistem. Metode K-Means digunakan untuk mengidentifikasi emosi berdasarkan detak jantung dan konduktivitas kulit sedangkan Metode CNN digunakan untuk mengidentifikasi emosi berdasarkan ekspresi wajah. Hasil yang diperoleh dari kedua metode tersebut akan diproses menggunakan metode fusi yang aturannya disesuaikan berdasarkan hasil pengamatan dan pengukuran, sehingga dapat diprediksi emosi pada anak berdasarkan parameter detak jantung, ekspresi wajah, dan konduktivitas kulit. Anak dengan umur 6 hingga 12 tahun digunakan sebagai subjek pada penelitian ini. Dari penelitian ini berhasil didapatkan hasil prediksi emosi anak dengan akurasi keberhasilan sebesar 80%.

References

P. Tarnowski, M. Kolodziej, A. Majkowski and R. J. Rak, "Combined analysis of GSR and EEG signals for emotion recognition," in International Interdisciplinary PhD Workshop (IIPhDW), Swinouj?cie, Poland, 2018.

T. M. McWhorter, Y. Ni, H. Nie, Y. Larve, A. J. A. Majumder and D. R. Ucci, "sEmoD: A Personalized Emotion Detection Using a Smart Holistic Embedded IoT System," in IEEE 43rd Annual Computer Software and Application Conference( COMPSAC), Milwaukee, WI, USA, USA, 2019.

Anonim, "Peran Emosi Positif dan Emosi Negatif," Psikologi Universitas Muhammadiyah Purwokerto, 30 November 2020. [Online]. Available: https://psikologi.ump.ac.id/2020/11/30/peran-emosi-positif-dan-emosi-negatif/. [Accessed 2 Desember 2021].

Y. Rachmawati, "Perkembangan Emosi," in Perkembangan Sosial Emosional pada Anak Usia Taman Kanak-kanak, Universitas Terbuka Repository, p. 1.3.

E. Labudasari and W. Sriastria, "Perkembangan Emosi Pada Anak Sekolah Dasar," in Seminar Nasional Pendidikan FKIP Universitas Muhammadiyah Cirebon, 2018.

A. Mahabbati, "Identifikasi Anak dengan Gangguan Emosi dan Perilaku di Sekolah dasar," Jurnal Pendidikan Khusus, vol. II, no. 2, 2006.

A. Mu'arifah, "Pentingnya Emosi Anak Dikendalikan," Universitas Ahmad Dahlan, 16 September 2013. [Online]. Available: https://uad.ac.id/id/pentingnya-emosi-anak-dikendalikan/. [Accessed 2 Desember 2021].

M. Menard, H. Hamdi, P. Richard and B. Dauce, "Emotion Recognition Based on Heart Rate and SKin Conductance," in Science and Technology Publication, 2015.

A. Cernian, A. Olteanu, D. Carstoiu and C. Mares, "Mood Detector - On Using Machine Learning to Identify Moods and Emotion," in International Conference on Control System and Computer Science, 2017.

T. Paul, C. Bhattacharyya, P. Sen, R. Prasad and S. Shaw, "Human Emotion Recognition using GSR and EEG," International Journal of Scientific and Research Publication, vol. X, no. 5, pp. 394-400, 2020.

P. Rani, "Emotion Detection of Autistic Children using Image Processing," in 2019 Fifth International Conference on Image Information Processing (ICIIP), Shimla, India, 2019.

N. Dewi and F. Ismawan, "Implementasi Deep Learning Menggunakan Convolutional Neural Network untuk Sistem Pengenalan Wajah," Faktor Exacta, vol. 14, no. 1, pp. 34-43, 2021.

A. N. Fadzila, D. P. Pamungkas and R. Wulaningrum, "Proses Ekstrasi Klasifikasi Citra Emosi Menggunakan Metode PCA dan CNN," Joutica, vol. 6, no. 2, p. 484, 2021.

R. Rokhana, J. Priambodo, T. Karlita, I. M. G. Sunarya, E. M. Yuniarno, I. K. E. Purnama and M. H. Purnama, "Convolutional Neural Network untuk Pendeteksian Patah Tulang Femur pada Citra Ultrasonik B-Mode," JNTETI, vol. VIII, no. 1, pp. 59-67, 2019.

R. Indraswari, R. Rokhana and W. Herulambang, "Melanoma image classification based on MobileNetV2 network," in ISICO, 2021.

R. Rokhana, W. Herulambang and R. Indraswari, "Multi-Class Image Classification Based on MobileNetV2 for Detecting the Proper Use of Face Mask," in IEEE, Surabaya, Indonesia, 2021.

A. Mollahosseini, D. Chan and M. H. Mahoor, "Going deeper in facial expression recognition using deep neural networks," in IEEE, Lake Placid, NY, USA, 2016.

R. Indraswari, W. Herulambang and R. Rokhana, "Deteksi Penyakit Mata Pada Citra Fundus Menggunakan Convolutional Neural Network," Techno.com, vol. XXI, no. 2, pp. 378-389, 2022.

K. P. Sinaga and M. S. Yang, "Unsupervised K-Means Clustering Algorithm," IEEE Access, vol. 8, pp. 80716-80727, 2020.

I. G. Harsemadi and I. M. Sudarma, "Penggolongan Musik Terhadap Suasana Hati Menggunakan Metode K-Means," in Konferensi Nasional Sistem dan Informasi, 2017.

Downloads

Published

2023-08-24