Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2024
- Tujuan
- Nomor
- bb6f087b-2e69-43d8-844a-d7ed168561d6
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan penelitian mengenai klasifikasi depresi berdasarkan fitur intensitas Action Unit pada wajah dengan menggunakan kerangka CNN tanpa pooling. Kegiatan ini melibatkan peneliti UDINUS Sugiyanto, I. Ketut Eddy Purnama, Eko Mulyanto Yuniarno, Wiwik Anggraeni, dan Mauridhi Hery Purnomo sebagai peserta. Penelitian ini menanggapi kebutuhan deteksi dini depresi karena depresi dapat mengganggu pekerjaan, pendidikan, dan hubungan personal serta dapat meningkatkan risiko bunuh diri. Oleh karena itu, kegiatan ini mengkaji pendekatan komputasional untuk mendukung klasifikasi depresi melalui analisis ekspresi wajah.
Penelitian menggunakan 14 fitur intensitas Action Unit pada ekspresi wajah. Penelitian juga mempertimbangkan pengodean Action Unit secara ordinal, yang dinyatakan lebih efektif untuk pengenalan ekspresi wajah dibandingkan pengodean biner. Pendekatan yang diusulkan menggunakan jaringan saraf konvolusional ringan yang dioptimalkan tanpa lapisan pooling. Grid Search diterapkan untuk memperoleh nilai hiperparameter berupa jumlah filter, ukuran batch, optimizer, dan laju pembelajaran. Penelitian mengkaji penghilangan lapisan pooling karena lapisan tersebut dapat menghilangkan fitur intensitas Action Unit yang penting dan memengaruhi hasil klasifikasi.
Eksperimen dilakukan menggunakan data set DAIC WOz yang disiapkan dalam 12 variasi data. Kerangka tersebut juga diuji menggunakan data set CASME II sebagai pengujian ketahanan model. Hasil eksperimen yang dilaporkan menunjukkan bahwa penghilangan lapisan pooling layak dipertimbangkan pada berbagai skenario eksperimen dan data. Kerangka yang diusulkan memiliki kinerja lebih baik dibandingkan kerangka yang menggunakan lapisan pooling dan juga menunjukkan kinerja lebih baik dibandingkan model lain dalam perbandingan. Kerangka tersebut memperoleh skor akurasi 0.988, skor loss 0.031, dan F1-Score 0.991, yang menunjukkan precision dan recall yang baik. Kegiatan UDINUS ini mendukung tujuan yang dinyatakan melalui penelitian tentang klasifikasi dan deteksi dini depresi dengan menggunakan fitur ekspresi wajah.