SISTEM PENGENALAN EMOSI WAJAH SECARA REAL-TIME MENGGUNAKAN METODE CNN

• MAULANA SHIDDIQ RAHMADIYANTO
• 2025

---

Penelitian merancang dan mengimplementasikan sistem pengenalan emosi wajah secara real-time menggunakan metode Convolutional Neural Network (CNN). Sistem ini dikembangkan sebagai solusi untuk mendeteksi emosi siswa pada pembelajaran daring, sehingga guru dapat menyesuaikan metode pengajaran sesuai kondisi psikologis siswa seperti kebosanan atau stres. Dataset yang digunakan berasal dari “Face Emotion Detection” di Kaggle dengan total 35.887 gambar yang terdiri dari tujuh kelas emosi: angry, disgusted, fearful, happy, neutral, sad, dan surprised. Tahapan penelitian meliputi preprocessing data (resize, grayscale conversion, normalisasi), perancangan arsitektur CNN, pelatihan model dengan 200 epoch dan batch size 128, serta pengujian performa model. Hasil penelitian menunjukkan bahwa model CNN mampu mengklasifikasikan emosi wajah dengan akurasi yang terus meningkat selama proses pelatihan, mencapai training accuracy 81.87% dan validation accuracy 64.00% pada epoch ke-200. Implementasi sistem dilakukan menggunakan Python dengan library Keras dan OpenCV untuk mendeteksi wajah secara real-time melalui webcam, menampilkan hasil klasifikasi emosi pada antarmuka secara langsung. Kesimpulannya, metode CNN efektif digunakan dalam pengenalan emosi wajah real-time dengan performa akurasi yang baik dan proses inferensi yang cepat, meskipun masih terdapat keterbatasan pada pengujian kondisi pencahayaan dan sudut wajah bervariasi.

• Convolutional Neural Network
• Real-Time
• Pengenalan Emosi Wajah
• Deep Learning
• Machine Learning

https://repository.bsi.ac.id/repo/75703/SISTEM-PENGENALAN-EMOSI-WAJAH-SECARA-REAL-TIME-MENGGUNAKAN-METODE-CNN
Anda dapat membaca file tugas akhir ini di repository.