FACIAL EXPRESSION RECOGNITION APPLICATION FOR EMOTION MONITORING IN PSYCHOLOGICAL PATIENTS

Venus, Yosefina (2025) FACIAL EXPRESSION RECOGNITION APPLICATION FOR EMOTION MONITORING IN PSYCHOLOGICAL PATIENTS. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (314kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (521kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (286kB)
	Text DAFTAR PUSAKA.pdf Download (211kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan model deep learning guna mendeteksi ekspresi wajah menggunakan Convolutional Neural Network (CNN). Ekspresi wajah yang dikenali meliputi enam kategori emosi universal: bahagia, sedih, marah, takut, terkejut, dan jijik. Model dilatih menggunakan dataset yang telah dianotasi dengan label emosi yang sesuai, dengan fokus pada peningkatan akurasi pengenalan ekspresi wajah. Sebagai langkah pengembangan, algoritma CNN dimodifikasi dengan penambahan lapisan convolutional dan pooling guna meningkatkan kemampuan ekstraksi fitur visual dari gambar wajah. Selain itu, ResNet digunakan untuk mengoptimalkan performa model, yang berhasil meningkatkan akurasi dari 60% menjadi 70%. Hasil penelitian ini menunjukkan bahwa CNN memiliki potensi sebagai metode yang efektif untuk deteksi ekspresi wajah. Namun, akurasi yang dicapai masih dapat ditingkatkan dengan eksplorasi arsitektur yang lebih kompleks dan penggunaan dataset yang lebih besar. Model yang dikembangkan memiliki berbagai potensi aplikasi di dunia nyata, seperti pemantauan emosi pasien psikologis, pengembangan sistem keamanan berbasis pengenalan emosi, dan interaksi manusia-komputer. Penelitian ini memberikan kontribusi penting terhadap penerapan teknologi deep learning dalam deteksi ekspresi wajah. Studi lanjutan disarankan untuk mengimplementasikan teknik augmentasi data, optimasi hyperparameter, serta eksplorasi model pretrained lainnya untuk menghasilkan akurasi yang lebih tinggi. Dengan demikian, model ini dapat mendukung berbagai kebutuhan, khususnya dalam bidang psikologi, keamanan, dan kecerdasan buatan.

Actions (login required)

View Item