ANALISIS PERBANDINGAN ALGORITMA CNN DAN SVM PADA KLASIFIKASI EKSPRESI WAJAH

I Putu Agus Aryawan; I Nyoman Purnama; Ketut Queena Fredlina

doi:10.36002/jutik.v9i4.2545

ANALISIS PERBANDINGAN ALGORITMA CNN DAN SVM PADA KLASIFIKASI EKSPRESI WAJAH

Authors

I Putu Agus Aryawan
I Nyoman Purnama
Ketut Queena Fredlina

DOI:

https://doi.org/10.36002/jutik.v9i4.2545

Keywords:

Support Vector Machine, Convolutional Neural Network, Epoch, Deep Learning, Akurasi, Ekspresi, Pengujian

Abstract

Penelitian ini menggunakan Convolutional Neural Network (CNN) dan Support Vector Machine
(SVM) dalam pengenalan ekspresi wajah. Data yang digunakan terdiri dari 3600 gambar ekspresi
wajah, dibagi menjadi data train dan testing dengan rasio 20:80. Pada CNN, dilakukan tiga pengujian
dengan nilai epoch yang berbeda. Hasilnya menunjukkan bahwa pada epoch 25, akurasi yang
dihasilkan adalah 32%. Pada epoch 50, akurasi meningkat menjadi 35%, tetapi pada epoch 100,
akurasi kembali menurun menjadi 32%. Akurasi tertinggi pada CNN terjadi pada epoch 50. Sementara
itu, SVM menghasilkan akurasi sebesar 61.39%, yang lebih tinggi dibandingkan dengan CNN. Ini
menunjukkan bahwa SVM memiliki kinerja yang lebih baik dalam pengenalan ekspresi wajah pada
dataset ini. Meskipun CNN memiliki performa yang lebih rendah dibandingkan SVM dalam kasus ini,
penelitian ini memberikan pemahaman tentang kinerja kedua metode dalam pengenalan ekspresi
wajah. Hasil ini dapat menjadi dasar untuk pengembangan metode yang lebih baik di masa depan
menggunakan teknik Deep Learning guna meningkatkan akurasi pengenalan ekspresi wajah

References

L. M. R. Rere, S. Usna, and D.

Soegijanto, “Studi Pengenalan

Ekspresi Wajah Berbasis

Convolutional Neural Network,”

Semin. Nas. Teknol. Inf. dan Komun.

STI&K, vol. 3, 2019.

B. W. Kurniadi, H. Prasetyo, G. L.

Ahmad, B. Aditya Wibisono, and D.

Sandya Prasvita, “Analisis

Perbandingan Algoritma SVM dan

CNN untuk Klasifikasi Buah,” Semin.

Nas. Mhs. Ilmu Komput. dan Apl.

Jakarta-Indonesia, no. September, pp.

–11, 2021.

Y. Kristian, I. K. E. Purnama, E. H.

Sutanto, L. Zaman, E. I. Setiawan, and

M. H. Purnomo, “Klasifikasi Nyeri

pada Video Ekspresi Wajah Bayi

Menggunakan DCNN Autoencoder

dan LSTM,” J. Nas. Tek. Elektro dan

Teknol. Inf., vol. 7, no. 3, pp. 308–316, 2018, doi: 10.22146/jnteti.v7i3.440.

Muhathir, “JOURNAL OF

INFORMATICS AND

TELECOMMUNICATION

ENGINEERING KLASIFIKASI

EKSPRESI WAJAH

MENGGUNAKAN BAG OF

VISUAL WORDS

CLASSIFICATION OF FACE

EXPRESSION USING VISUAL

WORD Section,” Jite, vol. 1, no. 2,

, [Online]. Available:

http://ojs.uma.ac.id/index.php/jite.

N. H. R. K. DINATA, “样本量估算-

Machine Learning.Pdf.” [Online].

Available:

http://repository.unimal.ac.id/id/eprint/

M. Lutz and O. Reilly, “Programming

python,” Comput. Math. with Appl.,

vol. 33, no. 5, p. 132, 1997, doi:

1016/s0898-1221(97)82952-5.

A. A. Kurniawan and M. Mustikasari,

“Implementasi Deep Learning

Menggunakan Metode CNN dan

LSTM untuk Menentukan Berita Palsu

dalam Bahasa Indonesia,” J. Inform.

Univ. Pamulang, vol. 5, no. 4, p. 544,

, doi:

32493/informatika.v5i4.6760.

P. A. Octaviani, Yuciana Wilandari,

and D. Ispriyanti, “Penerapan Metode

Klasifikasi Support Vector Machine

(SVM) pada Data Akreditasi Sekolah

Dasar (SD) di Kabupaten Magelang,”

J. Gaussian, vol. 3, no. 8, pp. 811–

, 2014, [Online]. Available:

http://download.portalgaruda.org/articl

e.php?article=286497&val=4706&title

=PENERAPAN METODE

KLASIFIKASI SUPPORT VECTOR

MACHINE (SVM) PADA DATA

AKREDITASI SEKOLAH DASAR

(SD) DI KABUPATEN

MAGELANG.

P. A. Nugroho, I. Fenriana, and R.

Arijanto, “Implementasi Deep

Learning Menggunakan Convolutional

Neural Network ( Cnn ) Pada Ekspresi

Manusia,” Algor, vol. 2, no. 1, pp. 12–

, 2020.

R. J. Gunawan, B. Irawan, and C.

Setianingsih, “Pengenalan Ekspresi

Wajah Berbasis Convolutional Neural

Network Dengan Model Arsitektur

VGG16,” Engineering, vol. 8, no. 5,

pp. 6442–6454, 2021.

H. Fonda, “Klasifikasi Batik Riau

Dengan Menggunakan Convolutional

Neural Networks (Cnn),” J. Ilmu

Komput., vol. 9, no. 1, pp. 7–10, 2020,

doi: 10.33060/jik/2020/vol9.iss1.144.

F. A. Novianti and S. W. Purnami,

“Analisis Diagnosis Pasien Kanker

Payudara Menggunakan Regresi

Logistik dan Support Vector Machine

(SVM) Berdasarkan Hasil

Mamografi,” J. SAINS dan Seni ITS,

vol. 1, no. 1, pp. D147–D152, 2012.

H. I. Dino and M. B. Abdulrazzaq,

“Facial Expression Classification

Based on SVM, KNN and MLP

Classifiers,” 2019 Int. Conf. Adv. Sci.

Eng. ICOASE 2019, pp. 70–75, 2019,

doi: 10.1109/ICOASE.2019.8723728.

B. Richhariya and D. Gupta, “Facial

expression recognition using iterative

universum twin support vector

machine,” Appl. Soft Comput. J., vol.

, pp. 53–67, 2019, doi:

1016/j.asoc.2018.11.046.

A. Mustakim, I. Santoso, and A. A.

Zahra, “Pengenalan Ekspresi Wajah

Manusia Menggunakan Tapis Gabor

-D Dan Support Vector Machine

(Svm),” Transient, vol. 6, no. 3, p.

, 2017, doi:

14710/transient.6.3.232-238.

cktavia N. Putri, “Implementasi

Metode CNN Dalam Klasifikasi

Gambar Jamur Pada Analisis Image

Processing (Studi Kasus: Gambar

Jamur Dengan Genus Agaricus Dan

Amanita),” pp. 1–80, 2020, [Online].

Available:

https://dspace.uii.ac.id/bitstream/handl

e/123456789/23677/16611103

Ocktavia Nurima

Putri.pdf?sequence=1&isAllowed=y.

Ratino, N. Hafidz, S. Anggraeni, and

W. Gata, “Sentimen Analisis

Informasi Covid-19 menggunakanSupport Vector Machine dan Naïve

Bayes,” J. Penelit. Ilmu dan Teknol.

Komput., vol. 12, no. 2, pp. 1–11,

, [Online]. Available:

https://jurnal.polsri.ac.id/index.php/jup

iter/article/view/2388.

R. Yacouby and D. Axman,

“Probabilistic Extension of Precision,

Recall, and F1 Score for More

Thorough Evaluation of Classification

Models,” pp. 79–91, 2020, doi:

18653/v1/2020.eval4nlp-1.9.

Downloads

Published

2023-06-15

How to Cite

I Putu Agus Aryawan, I Nyoman Purnama, & Ketut Queena Fredlina. (2023). ANALISIS PERBANDINGAN ALGORITMA CNN DAN SVM PADA KLASIFIKASI EKSPRESI WAJAH. Jurnal Teknologi Informasi Dan Komputer, 9(4). https://doi.org/10.36002/jutik.v9i4.2545