Analisis Klasifikasi Pergerakan Mata Dengan Penerapan Independently Recurrent Neural Networks (Indrnn)

Subadri, Oman (2024) Analisis Klasifikasi Pergerakan Mata Dengan Penerapan Independently Recurrent Neural Networks (Indrnn). Other thesis, Universitas Komputer Indonesia.

	Text 1. UNIKOM_OMAN SUBADRI_COVER.pdf - Published Version Download (85kB)
	Text 19. UNIKOM_OMAN SUBADRI_LEMBAR PENGESAHAN.pdf - Published Version Download (153kB)
	Text 17. UNIKOM_OMAN SUBADRI_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (147kB)
	Text 20. UNIKOM_OMAN SUBADRI_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (133kB)
	Text 4. UNIKOM_OMAN SUBADRI_KATA PENGANTAR.pdf - Published Version Download (90kB)
	Text 5. UNIKOM_OMAN SUBADRI_DAFTAR ISI.pdf - Published Version Download (210kB)
	Text 11. UNIKOM_OMAN SUBADRI_BAB 1.pdf - Published Version Download (215kB)
	Text 12. UNIKOM_OMAN SUBADRI_BAB 2.pdf - Published Version Download (892kB)
	Text 13. UNIKOM_OMAN SUBADRI_BAB 3.pdf - Published Version Restricted to Repository staff only Download (900kB) | Request a copy
	Text 14. UNIKOM_OMAN SUBADRI_BAB 4.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text 15. UNIKOM_OMAN SUBADRI_BAB 5.pdf - Published Version Download (148kB)
	Text 10. UNIKOM_OMAN SUBADRI_DAFTAR PUSTAKA.pdf - Published Version Download (185kB)
	Text 18. UNIKOM_OMAN SUBADRI_LEMBAR KONTAK PENULIS & KONTRIBUTOR.pdf - Published Version Download (12kB)

Abstract

Pergerakan mata sering kali memberikan tanda-tanda non-verbal yang signifikan terkait kondisi psikologis seseorang. Mata, sebagai organ penglihatan yang kompleks, memiliki kemampuan untuk mencerminkan berbagai respons emosional, termasuk ketidakjujuran. Salah satu solusi untuk mengatasi masalah berbohong adalah dengan memperhatikan pergerakan mata seseorang tersebut. Semua gerakan mata dalam satu waktu seringkali tidak dapat disadari. Maka, dibuat suatu teknologi yang dapat mendeteksi arah mata dengan mengklasifikasikan arah bola mata. Penelitian ini mengusulkan penggunaan algoritma Independently Recurrent Neural Network (IndRNN) yang dipadukan dengan Convolutional Neural Network (CNN) untuk mengklasifikasikan arah bola mata. CNN digunakan dalam tahap awal untuk mengekstraksi fitur arah mata dari citra, sementara IndRNN diimplementasikan untuk mengklasifikasikan arah pergerakan mata berdasarkan pola temporal yang terbentuk. Studi ini menggunakan dataset berjumlah 90000 total sampel pergerakan mata ke kiri, lurus, dan ke kanan. Melalui serangkaian eksperimen dengan variasi parameter, penelitian ini mengidentifikasi kombinasi parameter optimal untuk model IndRNN. Dengan menggunakan 256 unit, dropout sebesar 0.5, batch size 64, learning rate 0.001, dan epoch sebanyak 100, model ini berhasil mencapai akurasi klasifikasi sebesar 93.17%. Selain itu, hasil evaluasi menunjukkan bahwa model ini memiliki presisi sebesar 93.34%, recall 93.17%, dan nilai F1-score 93.20%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pergerakan Mata, Independently Recurrent Neural Network (IndRNN), Convolutional Neural Network (CNN), Analisis Temporal, Klasifikasi Arah Mata
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	08 Sep 2025 03:32
Last Modified:	08 Sep 2025 03:32
URI:	http://elibrary.unikom.ac.id/id/eprint/10878

Actions (login required)

View Item