Klasifikasi Ekspresi Wajah Menggunakan Metode Convolutional Neural Network(Studi Kasus Kuliah Daring)

Perubahan cara belajar pada tahun 2020 menjadikan media daring sangat dibutuhkan karena dengan adanya pandemi covid-19 maka semua instansi Pendidikan dan pemerintah hampir di seluruh dunia mulai menuntut agar pembelajaran menggunakan media daring yang disediakan instansi masing-masing maupun media pihak ketiga. cara belajar daring ini memiliki beberapa kekurangan seperti tingkat antusias belajar yang dirasa tidak diketahui, maka dari itu untuk mengetahui tingkat antusias suatu pembelajaran daring tadi diperlukan media untuk mengenali antusiasme dari pengguna video conference guna mendapatkan feedback yang dapat diukur apakah antusiasme pembelajaran sesuai dengan apa yang diharapkan oleh pengajar, maka pembuatan model deep learning untuk klasifikasi ekspresi wajah menggunakan metode Convolutional neural network dilakukan untuk mengetahui antusiasme dari kuliah daring dengan cara melihat real-time webcam yang diklasifikasikan oleh ekspresi yang sudah ditentukan atau dengan meninjau ulang dari rekaman perkuliahan yang sudah terjadi. Hasil akurasi menjadi tolok ukur seberapa akurat pembelajaran yang diterima untuk mengklasifikasikan ekspresi wajah guna mengetahui antusias pada model sebanyak 36.000 dataset dengan 64 % akurasi untuk melakukan deteksi ekspresi wajah pada sebuah frame video, dimana pada studi kasus ini tingkat tidak antusiasnya belajar secara daring lebih tinggi 1% dibandingkan dengan tingkat antusias belajar siswa di masa pandemi covid-19