Deteksi Pergerakan Arah Mata Menggunakan Convolution Neural Network Berdasarkan Facial Landmark"

Pergerakan mata manusia dapat berguna di berbagai bidang, contohnya dalam sistem keamanan, kesehatan, transportasi dan desain antarmuka. Dalam desain sistem antarmuka, pergerakan mata digunakan sebagai sistem interaktif. Sistem dapat berinteraksi dan dapat memberikan tanggapan kepada pengguna dengan menggunakan gerakan mata. Metode eye tracking berbasis video memiliki keuntungan karena praktis dan nyaman selama proses deteksinya. Penelitian ini menggunakan algoritme Convolution Neural Network (CNN) karena akan memanfaatkan kelebihan dari metode CNN yaitu mampu mengklasifikasikan dan memiliki hasil paling signifikan dalam pengenalan objek. Hasil dari penelitian ini menunjukkan model CNN yang tepat digunakan dalam klasifikasi arah mata berdasarkan facial landmark adalah dengan 2 layer dengan 32 filter dan 64 filter, batch size 16 dalam augmentasi citra dengan 20 fully connected layer menghasilkan nilai loss 0,08, dengan akurasi 0,98 dan waktu pelatihan 8,62 detik. Hasil uji terhadap video yang diambil 50 frame secara acak sebanyak tiga kali, menghasilkan rata-rata akurasi sebesar 0,95