PENGENALAN EKSPRESI WAJAH SEBAGAI PENGETAHUAN EMOSIONAL PADA PROSES BIMBINGAN SKRIPSI DI UNIVERSITAS NURUL JADID MENGGUNAKANMETODE DEEP LEARNING

Pritama, Riris Dilla (2024) PENGENALAN EKSPRESI WAJAH SEBAGAI PENGETAHUAN EMOSIONAL PADA PROSES BIMBINGAN SKRIPSI DI UNIVERSITAS NURUL JADID MENGGUNAKANMETODE DEEP LEARNING. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400268_Riris Dilla Pritama_IF.pdf Restricted to Registered users only Download (6MB)

Abstract

Pritama, Riris Dilla. 2024. Pengenalan Ekspresi Wajah Sebagai Pengetahuan Emosional Pada Bimbingan Skripsi Di Universitas Nurul Jadid Menggunakan Metode Deep Learning. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Fathorazi Nur Fajri, M.Kom., (II) Fathur Rizal, M.Kom.

Kata Kunci: Pengenalan Ekspresi Wajah, Pengetahuan Emosional, Deep Learning, Exploratory Data Analysis (EDA), Convolutional Neural Network (CNN).

Pengenalan ekspresi wajah merupakan bidang penelitian yang krusial dalam interaksi manusia dan komputer, khususnya dalam konteks bimbingan skripsi di perguruan tinggi untuk memahami kondisi psikologis mahasiswa. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan ekspresi wajah sebagai indikator pengetahuan emosional guna menunjang efektivitas proses bimbingan skripsi di Universitas Nurul Jadid. Metode yang diterapkan dalam penelitian ini adalah Deep Learning dengan menggunakan teknik Exploratory Data Analysis (EDA) dan algoritma Convolutional Neural Network (CNN). Tahapan penelitian meliputi pengumpulan dataset ekspresi wajah, preprocessing data, analisis eksploratif, perancangan arsitektur model CNN, serta evaluasi performa model. Dataset yang digunakan terdiri dari 600 citra wajah yang mencakup enam kategori ekspresi: senang, sedih, marah, terkejut, jijik, dan bingung, dengan distribusi masing-masing 100 gambar. Data dibagi menjadi 420 citra untuk pelatihan dan 180 citra untuk validasi. Hasil pelatihan model dengan konfigurasi 50 epoch menghasilkan tingkat akurasi pada data validasi sebesar 22%. Sementara itu, pengujian menggunakan 120 citra uji pada setiap kelas menghasilkan rata-rata akurasi sebesar 9,09%. Meskipun performa pada klasifikasi multi-kelas masih memerlukan optimasi lebih lanjut, penelitian ini memberikan landasan awal bagi pengembangan sistem pengenalan emosi otomatis dalam lingkungan akademik.

Item Type:	Thesis (Other)
Subjects:	B Philosophy. Psychology. Religion > BF Psychology L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	30 Apr 2026 03:55
Last Modified:	30 Apr 2026 03:55
URI:	https://repository.unuja.ac.id/id/eprint/3285

Actions (login required)

View Item