Sistem Deteksi Ekspresi Siswa Dalam E-Learning Menggunakan Metode Convolutional Neural Network (CNN)

Abstract

Proses pembelajaran jarak jauh memiliki keunggulan seperti memperoleh fleksibilitas saat belajar dalam waktu dan tempat yang berbeda. Akan tetapi proses pembelajaran dari jarak jauh memiliki kekurangan yaitu guru tidak dapat memantau siswa mengenai antusiasme siswa dalam proses belajar. Dengan menggunakan sistem deteksi ekspresi siswa pada saat proses pembelajaran guru dapat memantau siswa. Sistem deteksi ekspresi siswa dalam e-learning menggunakan metode Convolutional Neural Network (CNN) dan menggunakan dataset dari Kaggle yaitu The Facial Expression Recognition 2013 (FER-2013). FER-2013 terdapat tujuh kategori emosi yaitu marah, jijik, takut, senang, sedih, terkejut dan biasa. Sistem deteksi ekspresi siswa akan menganalisis emosi siswa pada saat proses pembelajaran berlangsung. Kemudian sistem deteksi ekspresi akan menunjukan nilai presentase ekspresi positif ataupun negatif dan kondisi emosi siswa. Setelah itu, sistem akan menyimpan hasil dari deteksi ekspresi berupa video dan dokumen teks. Hasil pengujian dari sistem deteksi ekspresi siswa dalam e-learning menggunakan metode CNN  dengan menggunakan arsitektur AlexNet dapat mengklasifikasi ekspresi wajah  dan didapatkan hasil training accuracy 94,81%, training loss 15,30%. Pada pengujian model CNN menggunakan arsitektur LeNet dapat mengklasifikasi wajah dan didapatkan hasil training accuracy 98,84%, training loss 6,92%.