KLASIFIKASI EKSPRESI WAJAH UNTUK IDENTIFIKASI INDIKASI KECEMASAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstrak

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ekspresi wajah dalam mengidentifikasi indikasi kecemasan menggunakan metode Convolutional Neural Network (CNN) dengan memanfaatkan dataset FER2013 yang terdiri atas tujuh kategori emosi, yaitu angry, disgust, fear, happy, sad, surprise, dan neutral. Tahapan penelitian meliputi preprocessing data, pelatihan model CNN, evaluasi performa model, serta pengujian secara real-time menggunakan webcam. Sistem yang dikembangkan mampu mengenali ekspresi wajah dan mengklasifikasikannya ke dalam status PANIC, NORMAL, dan UNCERTAIN berdasarkan nilai confidence yang dihasilkan model. Ekspresi fear, sad, angry, dan disgust diinterpretasikan sebagai indikator kecemasan, sedangkan happy, neutral, dan surprise diinterpretasikan sebagai kondisi normal. Berdasarkan hasil pengujian menggunakan data uji FER2013, model CNN memperoleh nilai accuracy sebesar 92,58%, precision sebesar 93,48%, recall sebesar 92,58%, dan F1-score sebesar 92,27%.Hasil penelitian menunjukkan bahwa metode CNN dapat digunakan untuk melakukan klasifikasi ekspresi wajah dan memberikan indikasi awal kondisi kecemasan berdasarkan ekspresi yang terdeteksi. Meskipun model menunjukkan performa yang baik, penelitian ini masih memiliki beberapa keterbatasan, antara lain ketidakseimbangan distribusi data pada dataset FER2013, terutama pada kelas disgust, serta pengaruh kondisi pencahayaan, kualitas kamera, dan posisi wajah terhadap hasil deteksi. Selain itu, interpretasi status PANIC merupakan indikasi awal berdasarkan hasil klasifikasi ekspresi wajah dan belum divalidasi secara klinis oleh psikolog atau tenaga kesehatan mental. Oleh karena itu, penelitian lanjutan diperlukan untuk meningkatkan keandalan sistem..

Identifier

• DOI: https://doi.org/10.36341/rabit.v11i2.8065
• OpenAlex: https://openalex.org/W7168292914