IDENTIFIKASI EKSPRESI PADA ANAK USIA DINI DENGAN FACE RECOGNITION DAN GESTURE RECOGNITION = Identification Of Expressions In Early Children With Face Recognition And Gesture Recognition


FETTYANA, FETTYANA (2024) IDENTIFIKASI EKSPRESI PADA ANAK USIA DINI DENGAN FACE RECOGNITION DAN GESTURE RECOGNITION = Identification Of Expressions In Early Children With Face Recognition And Gesture Recognition. Thesis thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D082201004_tesis_14-05-2024 cover1.png

Download (202kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D082201004_tesis_14-05-2024 1-2(FILEminimizer).pdf

Download (666kB)
[thumbnail of Dapus] Text (Dapus)
D082201004_tesis_14-05-2024 dp(FILEminimizer).pdf

Download (166kB)
[thumbnail of Full Text] Text (Full Text)
D082201004_tesis_14-05-2024(FILEminimizer).pdf
Restricted to Repository staff only until 6 May 2027.

Download (1MB)

Abstract (Abstrak)

Ekspresi anak usia dini merupakan aspek penting dalam pemahaman perkembangan anak. Seiring dengan pertumbuhan fisik dan kognitif, anak usia dini mulai mengembangkan kemampuan untuk menyampaikan perasaan, ide, dan keinginan mereka melalui berbagai bentuk ekspresi. Proses ini tidak hanya mencakup ekspresi verbal, tetapi juga ekspresi non-verbal seperti gerakan tubuh, ekspresi wajah. Ada banyak faktor yang mempengaruhi ekspresi anak saat proses belajar mengajar di kelas. Beberapa penyebab anak memiliki ekspresi yang kurang baik adalah karena anak masih mengantuk saat berangkat ke sekolah, mendapatkan perlakuan yang kurang menyenangkan, lingkungan yang kurang nyaman di rumah, dan kurang mendapat perhatian di dalam kelas karena keterbatasan guru dalam mengawasi siswa saat belajar. Di saat yang sama, ekspresi yang baik sangat penting untuk menjaga konsentrasi dan semangat dalam proses pembelajaran di kelas. Penelitian ini mengusulkan metode Convolutional Neural Network (CNN) yang juga merupakan salah satu metode dalam Deep Learning. Convolutional Neural Network dapat menerima input berupa gambar yang kemudian dapat digunakan mesin untuk belajar mengenali gambar, menentukan objek atau aspek apa saja yang terdapat pada gambar tersebut, dan lain sebagainya. Ekspresi yang akan diidentifikasi terdiri dari senang, malu, berpikir dan mengantuk. Senang dengan akurasi 93%, malu dengan akurasi 94%, berpikir dengan akurasi 95%, dan mengantuk dengan akurasi 96%.

Keyword : Ekspresi Anak, CNN, Wajah, Gerakan.

Item Type: Thesis (Thesis)
Uncontrolled Keywords: Child Expression, CNN, Face, Gesture.
Subjects: T Technology > T Technology (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Rasman
Date Deposited: 07 Jul 2025 05:54
Last Modified: 07 Jul 2025 05:54
URI: http://repository.unhas.ac.id:443/id/eprint/45984

Actions (login required)

View Item
View Item