Dapatkan Feedback Akurat dari Aplikasi Facial Emotion Recognition

Bunga Dea Laraswati -

Yuk, kenalan dengan Reynaldi Gevin Hutapea, salah satu alumni Algoritma Data Science School dari Batch Phoenix. Meskipun memiliki background pendidikan non-IT, yaitu Teknik Geodesi dan Geomatika di Institut Teknologi Bandung, Reynaldi berhasil menyelesaikan proyek akhirnya dengan sangat baik, Reynaldi membuat aplikasi yang diberi nama Facial Emotion Recognition App.

Sejak kuliah Reynaldi sudah lumayan akrab dengan pengolahan data, hanya saja saat itu data yang sering diolah kebanyakan adalah data-data spasial. Salah satu pengalaman yang paling diingat pada saat kuliah adalah ketika Reynaldi mengikuti seminar atau pelatihan seringkali ditawari untuk memberikan feedback atau menjawab questioner yang diberikan oleh penyelenggara atau panitia. Questioner atau feedback tersebut biasanya cukup banyak dan untuk mengisinya akan memakan waktu, tak jarang peserta mengisinya dengan asal-asalan, sehingga tidak sesuai dengan kenyataannya.

Berangkat dari keresahan itulah, Reynaldi membuat aplikasi ini, diharapkan aplikasi ini kelak dapat membantu penyelenggara atau orang-orang yang berkepentingan untuk mendapatkan dan menganalisis feedback secara lebih cepat dan akurat.

Sedangkan pada perusahaan aplikasi ini dapat dimanfaatkan untuk tahap pra-evaluasi. Sebelum perusahaan meluncurkan campaign atau produk secara luas ke masyarakat, diperlukan pengujian terlebih dahulu. Sehingga dapat dipastikan campaign atau produk yang akan diluncurkan nantinya benar-benar menghasilkan respon yang positif. Dengan begitu tim marketing tidak perlu mengeksekusi seluruh marketing plan yang notabene memerlukan biaya yang cukup besar.

Facial Emotion Recognition dan Convolutional Neural Network

Facial Emotion Recognition App buatan Reynaldi ini dibangun dengan menggunakan dua teknologi utama, yaitu Facial Emotion Recognition (FER) dan Convolutional Neural Network (CNN).

  • Facial Emotion Recognition (FER): Teknologi ini bertujuan untuk menganalisis sentimen dari komunikasi non-verbal, yang mana ekspresi juga merupakan salah satu komunikasi yang bersifat non-verbal. Saat ini pengaplikasian FER semakin mudah ditemui, seperti pada salesment, otomotif, education, dan bahkan politik.
  • Convolutional Neural Network (CNN): Salah satu algoritma machine learning yang bertujuan untuk mengambil informasi dan mengolah data gambar. Lantas apa bedanya algoritma CNN dengan algoritma neural network lainnya? Perbedaannya terdapat pada convolutional layer yang mana layer ini berfungsi untuk mengekstrak informasi dari setiap pixel yang terdapat pada sebuah gambar.

Reynaldi mengambil data dari Kaggle dengan judul Facial Emotion Recognition tahun 2013, data ini berisi lebih dari 30.000 ekspresi wajah yang dikelompokkan ke dalam lima kelas, yaitu marah, senang, netral, sedih, dan terkejut.

Cara Menggunakan Aplikasi Facial Emotion Recognition

Untuk menjalankan aplikasi atau melakukan simulasi pendeteksian emosi wajah ini caranya cukup mudah, berikut empat langkah dalam menggunakan Aplikasi Facial Emotion Recognition milik Reynaldi

  • Upload gambar / video atau lakukan secara live menggunakan Webcam.
  • Menunggu data yang sedang diproses.
  • Muncul label expression, berisikan keterangan ekspresi dari video, gambar, atau live expression sebelumnya.
  • Kemudian akan tampil data tentang ekspresi apa saja yang paling dominan dari video, gambar, atau live expression sebelumnya.

Ekspresi dominan ini nantinya akan disesuaikan kembali dengan target atau tujuan bisnis Anda. Jika nyatanya belum sesuai Anda dapat mengkonfigurasi ulang hingga ekspresi dominan yang diinginkan sesuai.

Nah, itulah dashboard yang dibuat oleh Reynaldi pada student project-nya setelah mengikuti program pembelajaran bersama Algoritma Data Science School. Jika Anda ingin mengetahui lebih lanjut project yang Reynaldi buat Anda bisa mengunjungi Github dan LinkedIn Reynaldi dan jika Anda tertarik mengikuti jejak Reynaldi, let’s start your data science journey with Algoritma!