Klasifikasi Bentuk dan Ekspresi Wajah Menggunakan Convolutional Neural Network Berbasis MobileNetV2
DOI:
https://doi.org/10.29407/a5sf6s83Keywords:
Universitas Nusantara PGRI Kediri, Convolutional Neural Network, Ekspresi Wajah, Convolutional Neural Network, Ekspresi Wajah, Klasifikasi WajahAbstract
Klasifikasi bentuk wajah dan ekspresi wajah merupakan topik penting dalam bidang pengolahan citra dan computer vision karena banyak dimanfaatkan pada sistem interaksi manusia dan komputer. Penelitian ini bertujuan untuk membangun sistem klasifikasi bentuk wajah dan ekspresi wajah secara otomatis menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Sistem yang dikembangkan mampu menerima input berupa unggahan citra maupun pengambilan gambar secara real-time melalui kamera. Proses dimulai dengan deteksi wajah untuk memastikan objek yang diproses merupakan wajah manusia, kemudian dilakukan cropping dan preprocessing citra sebelum tahap klasifikasi. Sistem mengklasifikasikan bentuk wajah ke dalam lima kelas, yaitu heart, oblong, oval, round, dan square, serta ekspresi wajah ke dalam lima kelas, yaitu angry, happy, neutral, sad, dan surprise. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi wajah dengan baik, menolak input non-wajah, serta menampilkan hasil klasifikasi beserta grafik probabilitas sebagai indikator tingkat keyakinan model. Penggunaan arsitektur MobileNetV2 memberikan efisiensi komputasi sehingga sistem dapat diterapkan secara real-time dan berpotensi digunakan sebagai dasar pengembangan sistem pengenalan wajah yang lebih lanjut.
Downloads
References
[1] T. Hidayat, D. Anisa Istiqomah, dan T. Arifianto, “Human Facial Pattern Shape Classification Using a Retraining Strategy and Convolutional Neural Network Architecture,” 2025. [Daring]. Tersedia pada: www.joiv.org/index.php/joiv
[2] F. Syah, T. Hastono, M. Fairuzabadi, P. Wahyu Ciptadi, dan K. Warniasih, “Pengenalan Ekspresi Wajah untuk Mendeteksi Ketertarikan Siswa Sekolah Dasar dalam Mata pelajaran Menggunakan Metode CNN (Convolutional Neural Network),” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 3, hlm. 859–867, Mar 2025, doi: 10.52436/1.jpti.724.
[3] T. Hendrawati, A. A. Pravitasari, Nazamuddin, R. F. Hermawan, S. A. Subekti, dan M. Yasyfi, “Real-time Emotion Recognition Using the MobileNetV2 Architecture,” Jurnal RESTI, vol. 9, no. 4, hlm. 714–720, 2025, doi: 10.29207/resti.v9i4.6158.
[4] Richard Steven Immanuel Sihombing, Rafif Nauval Tuah Siregar, Vijay Sitorus, dan Timotius Selar Sitompul, “Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network (CNN),” Journal of Creative Student Research, vol. 1, no. 6, hlm. 89–97, Des 2023, doi: 10.55606/jcsrpolitama.v1i6.3046.
[5] A. Lioga Seandrio, A. Hendrianto Pratomo, dan M. Y. Florestiyanto, “Implementation of Convolutional Neural Network (CNN) in Facial Expression Recognition Implementasi Convolutional Neural Network (CNN) Pada Pengenalan Ekspresi Wajah,” Jurnal Informatika dan Teknologi Informasi, vol. 18, no. 2, hlm. 211–221, 2021, doi: 10.31515/telematika.v18i2.4823.
[6] M. B. Septyono, F. T. Anggraeny, dan R. Mumpuni, “JIP (Jurnal Informatika Polinema) Pengenalan Ekspresi Wajah dengan LBP dan Multi-Level CNN,” vol. 11, 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Alfina Putri Tursina
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
