Abstract :
Penggunaan metode Deep Learning dengan model CNN mulai diterapkan
seperti pada Facial Expression Recognition. Namun, dengan adanya situasi
pandemi beberapa tahun belakangan ini, masih terdapat beberapa orang yang
mengenakan masker untuk kepentingan pekerjaaan atau karena mereka sedang
dalam keadaaan sakit sehingga wajah mereka tidak terlihat sepenuhnya. Hal
tersebut dapat memengaruhi dalam interaksi sosial khususnya pada area mulut yang
bersifat sangat informatif. Oleh karena itu, penelitian ini bertujuan untuk
memberikan pemahaman lebih baik tentang pengenalan ekspresi wajah bermasker
dengan penerapan model CNN, yaitu dengan aritektur VGG16 dan MobileNet.
Selain itu, penelitian ini juga akan mengeksplorasi penggunaan metode augmentasi
data, seperti geometric augmentation dan brightness augmentation, untuk melihat
pengaruhnya terhadap akurasi klasifikasi ekspresi wajah bermasker. Hasil
penelitian menujukkan bahwa penggunaan arsitektur VGG16 dengan metode cross?validation (VGG16-FLCV) memberikan performa yang lebih baik daripada
arsitektur MobileNet-FLCV dalam mengenali dan mengklasifikasikan ekspresi
wajah bermasker. Penerapan metode augmentasi data, seperti geometric
augmentation dan brightness augmentation, telah membantu meningkatkan
performa model CNN. Hasil eksperimen menunjukkan bahwa pada arsitektur
VGG16-FLCV, brightness range (1.00, 1.25) memberikan akurasi terbaik dengan
akurasi latih sebesar 81,73% dan akurasi validasi sebesar 70,71%. Selain itu,
penelitian ini menemukan bahwa penggunaan brightness range yang optimal pada
arsitektur VGG16-FLCV terdapat pada kategori darkness dengan rentang (0.25,
v
0.50), (0.50, 0.75), dan (0.75, 1.00), serta pada kategori brightness dengan rentang
(1.00, 1.25). Penelitian ini menemukan bahwa pada arsitektur MobileNet-FLCV
dengan brightness range (0.25, 0.50), (0.50, 0.75), (0.75, 1.00), (1.00, 0.25), dan
(1.25, 1.50) dapat dijadikan alternatif brightness range yang masih dapat diterapkan
tanpa mengalami penurunan akurasi yang signifikan.
Kata Kunci : Brightness Augmentation, CNN, Cross Validation, Ekspresi Wajah
Bermasker