Implementasi Machine Learning pada Alat Deteksi Emosi untuk Sistem Kontrol Suhu Ruangan Menggunakan Metode CNN

Ridwan Abdiansah; Kartika Sekarsari

doi:10.31004/riggs.v5i1.6573

Authors

Ridwan Abdiansah Universitas Pamulang
Kartika Sekarsari Universitas Pamulang

DOI:

https://doi.org/10.31004/riggs.v5i1.6573

Keywords:

Emosi, Convolutional Neural Network, YOLO

Abstract

Ekspresi (wajah) emosi merupakan usaha yang dilakukan oleh seseorang untuk mengkomunikasikan status perasaan (emosi) sebagai respons terhadap situasi tertentu yang terlihat dari perubahan biologis, fisiologis dan serangkaian kecenderungan tindakan (sikap dan tingkah laku) berorientasi pada tujuan. Machine learning dapat menciptakan suatu teknologi baru menggunakan ekspresi emosi yang bertujuan untuk interaksi manusia dan komputer semakin mudah dalam kecerdasan buatan. Dalam penelitian ini, machine learning akan diterapkan pada alat deteksi dengan menggunakan mikrokontroller Wemos ESP32 D1 yang nantinya akan menyalakan beberapa kipas yang ada di alat tersebut. Metode yang digunakan Convolutional Neural Network dengan arsitektur YOLO. Data yang digunakan dan dilatih berasal dari website Kaggle dengan klasifikasi angry, happy dan neutral. Didalam data tersebut terdapat ‘angry’ 958 gambar, ‘happy’ 1.774 gambar dan ‘neutral’ 1.233 gambar. Hasil yang diperoleh dari metode Convolutional Neural Network dengan arsitektur YOLO menunjukkan nilai precision sebesar 100%, yang berarti bahwa semua prediksi yang dilabeli sebagai ‘angry’ benar-benar merupakan emosi ‘angry’. Demikian pula, recall-nya adalah 100%, menunjukkan bahwa model berhasil mendeteksi semua kasus ‘angry’ yang ada dalam data uji. F1-Score untuk emosi ini juga mencapai nilai sempurna 100%, menunjukkan keseimbangan sempurna antara precision dan recall. Kelas ‘happy’ juga menunjukkan hasil yang sama baiknya, dengan precision, recall, dan F1-Score masing-masing mencapai nilai sempurna 100%.

Downloads

Download data is not yet available.

References

Agustinur, S. C., Yantidewi, M., & Deta, U. A. (2024). Kalibrasi Sensor MS1100-P111 sebagai Detektor Gas Formaldehid (HCHO) dan Sensor DHT22 untuk Mendeteksi Kelembaban Relatif dan Temperatur. Jurnal Kolaboratif Sains, 7(7), 2245–2257.

Amaanullah, R. R., Pascifa, G. R., Nugraha, S. A., Zein, M. R., & Adhinata, F. D. (2022). Implementasi CNN untuk deteksi emosi melalui wajah.pdf (pp. 236–244). JTIM : Jurnal Teknologi Informasi dan ultimedia.

Arrahma, S. A., & Mukhaiyar, R. (2023). Pengujian Esp32-Cam Berbasis Mikrokontroler. 4(1), 60–66.

Aulia, R., Fauzan, R. A., & Lubis, I. (2021). Pengendalian Suhu Ruangan Menggunakan Menggunakan FAN dan DHT11 Berbasis Arduino. CESS (Journal of Computer Engineering, System and Science), 6(1), 30.

Bagye, W., Purwata, I., Ashari, M., & Saikin, S. (2023). Perancangan Alat Penangkap Gambar Pelaku Kejahatan Berbasis Node MCU ESP32 CAM. Jambura Journal of Electrical and Electronics Engineering, 5(1), 36–40. https://doi.org/10.37905/jjeee.v5i1.16871

Barbosa, F., Id, E., Velasco, C., Motoki, K., Byrne, D. V., & Wang, Q. J. (2021). The temperature of emotions. 1–28. https://doi.org/10.1371/journal.pone.0252408

BETA, S., & Astuti, S. (2019). Modul Timbangan Benda Digital. Orbit, 15(1), 10–15.

Budiyanto, A., Pramudita, G. B., & Adinandra, S. (2020). Kontrol relay dan kecepatan kipas angin direct current (DC) dengan sensor suhu LM35 berbasis internet of things (IoT). Techné: Jurnal Ilmiah Elektroteknika, 19(1), 43–54.

Daqiqil, I. (2021). MACHINE LEARNING : Teori, Studi Kasus dan Implementasi Menggunakan Python (1st ed.). UR PRESS.

Endra, R. Y., Lampung, U. B., Cucus, A., & Lampung, U. B. (2019). MODEL SMART ROOM DENGAN MENGGUNAKAN MIKROKONTROLER. November. https://doi.org/10.36448/jsit.v10i1.1212

Ermanda, B., & Latifa, U. (2023). Kendali Relay Otomatis dilengkapi Timer dan Deteksi Suhu menggunakan RTC DS3231. Aisyah Journal Of Informatics and Electrical Engineering (AJIEE), 5(2), 120–126.

Hadi, C. F., Yasi, R. M., & Prasetyo, A. (2024). Model Decision Tree Forecasting Berbasis DHT22 pada Smart Hydroponic Microgreen. Journal of Telecommunication Electronics and Control Engineering (JTECE), 6(1), 29–38.

Hanafie, A., Perdana, A. L., & Ibrahim, R. R. (2022). Perancangan Sistem Pengatur Suhu Secara Otomatis Pada Kandang Ayam Broiler Menggunakan Mikrokontroler. Jurnal Teknologi Dan Komputer (JTEK), 2(02), 178–183.

Imamah, N., & Reynaldi, A. (2022). Perancangan dan Implementasi Sistem Monitoring Keamanan Toko Berbasis Internet of Things (Iot) Dengan Menggunakan Mikrokontroler Esp32-Cam (Studi Kasus di Toko Stelios Aquatic). COMPUTING| Jurnal Informatika, 9(02), 70–79.

Irsyad, R. (n.d.). Penggunaan Python Web Framework Flask Untuk Pemula.

Judul, H., Industri, F. T., & Indonesia, U. I. (2023). PENGEMBANGAN APLIKASI BERBASIS WEB DENGAN PYTHON FLASK UNTUK KLASIFIKASI DATA MENGGUNAKAN METODE DECISION TREE C4 . 5.

Kreteria, A., Dengan, P., & Semantik, T. (2023). Implementasi aplikasi jupyter notebook sebagai analisis kreteria plagiasi dengan teknik semantik. 8(2), 627–637.

Kusuma, P. D. (2020). Machine Learning Teori, Program, Dan Studi Kasus. CV.Budi Utama.

Mestika, J. C., Selan, M. O., & Qadafi, M. I. (2022). Menjelajahi Teknik-Teknik Supervised Learning untuk Pemodelan Prediktif Menggunakan Python. 99(99), 216–219.

Nguyen, T. T., Nguyen, N. D., & Nahavandi, S. (2019). Deep Reinforcement Learning for Multi-Agent Systems: A Review of Challenges, Solutions and Applications. https://doi.org/https://doi.org/10.1109/TCYB.2020.2977374

Nizam, M. N., Yuana, H., & Wulansari, Z. (2022). Mikrokontroler Esp 32 Sebagai Alat Monitoring Pintu Berbasis Web. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 767–772.

Oktaviana, U. N., Hendrawan, R., Annas, A. D. K., & Wicaksono, G. W. (2021). Klasifikasi penyakit padi berdasarkan citra daun menggunakan model terlatih Resnet101. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(6), 1216–1222.

Putri, D. D., Nama, G. F., & Sulistiono, W. E. (2022). ANALISIS SENTIMEN KINERJA DEWAN PERWAKILAN RAKYAT ( DPR ) PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. 10(1), 34–40.

Rasyid, M. R., & Rustan, M. F. (2023). The Sistem Monitoring Kualitas Air Pada Pembudidayaan Ikan Air Tawar Menggunakan ESP 32 dan ESP 8266. JASEE Journal of Application and Science on Electrical Engineering, 4(01), 1–10.

Ravichandiran, S. (2018). Hands-On Reinforcement Learning with Python. packt.

Retnoningsih, E., & Pramudita, R. (2020). Mengenal Machine Learning Dengan Teknik Supervised dan Unsupervised Learning Menggunakan Python. 7(2), 156–165.

Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951

Safitri, E. A., & Gusmira, E. (2024). Literatur Review: Analisis Pengaruh Pepohonan Sawit Terhadap Suhu Disekitarnya Menggunakan Internet Of Things (IoT) Sensor Dh22. Profit: Jurnal Manajemen, Bisnis Dan Akuntansi, 3(3), 113–119.

Santoso, P., Abijono, H., & Anggreini, N. L. (2021). ALGORITMA SUPERVISED LEARNING DAN UNSUPERVISED. 4(2), 315–318.

Setiawan, W. (2020). Deep Learning menggunakan Convolutional Neural Network: Teori dan Aplikasi (Cetakan I). Media Nusa Creative.

Stanley, K. O., Clune, J., Lehman, J., & Miikkulainen, R. (2019). Designing Neural Networks Through Neuroevolution. Nature Machine Intelligence, 1.

Syulistyo, A. R., Hormansyah, D. S., & Saputra, P. Y. (2020). SIBI (Sistem Isyarat Bahasa Indonesia) translation using Convolutional Neural Network (CNN). IOP Conference Series: Materials Science and Engineering, 732(1). https://doi.org/10.1088/1757-899X/732/1/012082

Uly, N., Hendry, H., & Iriani, A. (2023). CNN-RNN Hybrid Model for Diagnosis of COVID-19 on X-Ray Imagery. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 14(1), 57–67.

Voulodimos, A., Doulamis, N., Doulamis, A., & Protopapadakis, E. (2018). Deep Learning for Computer Vision: A Brief Review. Computational Intelligence and Neuroscience, 2018. https://doi.org/10.1155/2018/7068349

Wahyono, T. (2019). Fundamental of Python for Machine Learning : Dasar-Dasar Pemrograman Python untuk Machine Learning dan Kecerdasan Buatan. September 2018.

Widodo, S., Setiawan, D., Ridwan, T., & Ambari, R. (2022). Perancangan Deteksi Emosi Manusia berdasarkan Ekspresi Wajah Menggunakan Algoritma VGG16. Syntax : Jurnal Informatika, 11(01), 01–12. https://doi.org/10.35706/syji.v11i01.6594

Xi, Y., & Liu, X. (2018). Multi-Task Convolutional Neural Network for Pose-Invariant Face Recognition. IEEE Transactions on Image Processing, 27(2), 964–975.