Description

Portofolio ini berisi teknik ekstraksi fitur LBP yang digunakan untuk mengekstrak fitur dari citra wajah dan kemudian diteruskan ke dalam model CNN untuk mengenali ekspresi wajah.

Pertama kali yang perlu dilakukan yaitu sambungkan Google Colab dengan Google Drive. Kemudian, kita import library lain yang dibutuhkan.

Kemudian, dilakukan load dataset dan visualisasi gambar.

Setelah itu, membuat data training dan data test dengan menggunakan method train_test_split dengan perbandingan 80% untuk data training dan 20% untuk data test.

 Kemudian, dilakukan data preprocessing yang menyangkut hal berikut.

Setelah itu, dilakukan ekstraksi fitur dengan menggunakan Local Binary Pattern (LBP).

Setelah itu, dilakukan modelling dan training model dengan arsitektur sebagai berikut dengan menggunakan adam optimizer.

Dalam hasil training tersebut diperoleh training accuracy sebesar 93.88% serta validation accuracy sebesar 95.94% pada epoch terakhir (validation accuracy dapat mencapai 96.45% pada epoch ke-39).

Setelah dilakukan training model, kita plot performa model.

Kemudian, model dievaluasi dengan menggunakan metric lain seperti precision, recall dan f1-score.

Sehingga, dapat disimpulkan bahwa akurasi model yaitu sebesar 97%, dengan training accuracy sebesar 93.88% serta validation accuracy sebesar 95.94% pada epoch terakhir (validation accuracy dapat mencapai 96.45% pada epoch ke-39).