IMPLEMENTASI METODE TEACHABLE MACHINE UNTUK PENGIDENTIFIKASIAN EKSPRESI WAJAH SECARA REAL-TIME

Ridho Danang Budi Pratama; Faldy Irwiensyah;

ABSTRAK

Implementasi Metode Teachable Machine Untuk Pengidentifikasian Ekspresi Wajah Secara Real-Time

Ridho Danang Budi Pratama

Penelitian ini menerapkan sistem deteksi ekspresi wajah secara real-time melalui web yang menggunakan
teachable machine dan tensorflow.js. Sistem ini memanfaatkan teknologi pembelajaran mesin yang beroperasi
langsung di browser tanpa perlu server khusus. Dengan metode transfer learning, model dilatih untuk mengenali
berbagai macam ekspresi wajah seperti happy, sedih, marah dan mengantuk. Implementasi ini menggunakan
arsitektur convolutional neural network (cnn) yang telah dioptimalkan untuk kegiatan di web. Hasil dari
pengujian menunjukkan tingkat akurasi deteksi mencapai 85-90% dengan waktu respons dibawah 200ms. Solusi
ini memberikan pilihan ringan untuk aplikasi pengenalan emosi yang dapat dengan mudah diakses melalui
browser web. Keunggulan utama dari sistem ini adalah kemudahan dalam penerapan, dukungan lintas platform,
dan menjaga privasi data karena proses dilakukan secara lokal.

Kata kunci: Deteksi Ekspresi; Real-Time; Teachable Machine; Tensorflow.Js; Webcam

Implementation of Teachable Machine Learning Method for Real-Time Facial Expression Identification

Ridho Danang Budi Pratama

This study implements a direct facial expression detection system via the web using teachable machine and
tensorflow.js. This system utilizes machine learning technology that operates directly in the browser without the
need for a special server. With the transfer learning method, the model is trained to recognize various facial
expressions such as happy, sad, angry, and neutral. This implementation uses a convolutional neural network
(cnn) architecture that has been optimized for web activities. The results of the test show a detection accuracy
level of 85-90% with a response time of under 200ms. This solution provides a lightweight option for emotion
recognition applications that can be easily accessed via a web browser. The main advantages of this system are
ease of implementation, cross-platform support, and maintaining data privacy because the process is carried out
locally.

Keywords: Expression Detection; Real-Time; Teachable Machine; Tensorflow.Js; Webcam