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

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%.