Facial Expression Recognition Menggunakan Algoritma Mtcnn (Multi-Task Cascaded Convolutional Neural Network) Dan Vgg16

Ekspresi wajah merupakan bentuk atau respon alami dari manusia untuk menggambarkan perasaan yang sedang dirasakan oleh manusia saat melakukan interaksi pada suatu hal. Ekspresi wajah seseorang mengacu pada komunikasi nonverbal yang sangat kuat yang digunakan untuk berkomunikasi. Ada tujuh ekspresi wajah dasar manusia seperti bahagia, netral, terkejut, marah, muak, takut, dan sedih. Sistem pengenalan ekspresi wajah atau facial expression recognition merupakan sistem yang dibuat untuk mengenali ekspresi wajah seseorang dalam sebuah video/citra. Tujuan yang ingin dicapai pada penelitian ini adalah untuk mengetahui kinerja MTCNN dalam mendeteksi wajah sehingga dapat digunakan untuk melakukan rekognisi ekspresi wajah melalui pre-trained model yang akan ditraining yang diharapkan memiliki tingkat akurasi yang lebih tinggi daripada penelitian sebelumnya.
Dalam melakukan training pre-trained model dataset yang digunakan berjumlah 7385 citra ekspresi wajah yang didapatkan dari gabungan beberapa dataset yaitu: FER13, CK+, dan Face expression recognition dataset yang didapatkan dari website Kaggle. Dataset dibagi menjadi 80% data training dan 20% data testing sehingga data training berjumlah 5908 dan data testing berjumlah 1477. Dataset yang digunakan telah dikategorikan menjadi 7 ekspresi yaitu: bahagia, netral, terkejut, marah, muak, takut, dan sedih, dataset citra berukuran 48x48 pixels dan sudah berbentuk citra grayscale.
Pre-trained model yang digunakan adalah VGG16. Dari hasil training pre-trained model tersebut didapatkan hasil dari output model yaitu VGG16 menghasilkan akurasi 87.33%.