Deteksi Emosi Pada Citra Wajah Dengan Deep Learning Sebagai Alat Pendukung Terapi Bagi Pengidap Alexithymia
DOI:
https://doi.org/10.32664/smatika.v14i02.1368Kata Kunci:
Alexithymia, Deep Learning, Deteksi emosi, FER-2013, MobileNetV2Abstrak
Alexithymia adalah kondisi yang ditandai dengan kesulitan mengidentifikasi dan mengungkapkan emosi secara verbal, yang dapat menghambat kemampuan seseorang dalam memahami dan mengelola emosi mereka. Penelitian ini bertujuan untuk menerapkan dan mengembangkan sebuah model yang dapat mendeteksi emosi dengan menggunakan arsitektur MobileNetV2 dalam terapi untuk individu yang mengalami alexithymia. Metode ini menggunakan data FER-2013, yang terdiri dari 35.887 gambar wajah grayscale dalam 7 kategori emosi yaitu marah, jijik, takut, senang, netral, sedih, dan terkejut. Menggunakan pendekatan deep learning berdasarkan CRISP-DM, penelitian ini memulai dengan normalisasi dan peningkatan data untuk meningkatkan ketahanan model terhadap variasi citra. Model yang dikembangkan mencapai akurasi pelatihan sebesar 67,7% dan akurasi validasi sebesar 65,3%, menunjukkan kemampuan yang signifikan dalam mengenali dan mengklasifikasikan emosi dari citra wajah. Evaluasi Menggunakan confusion matrix, model menghasilkan nilai precision sebesar 64,9%,recall sebesar 65,4%, dan F1-score sebesar 63,7% untuk setiap kelas emosi. Penelitian ini mengimplikasikan potensi pengembangan sistem yang dapat mendukung terapi psikologis, khususnya untuk membantu individu dengan alexithymia dalam memahami dan mengelola emosi mereka melalui analisis ekspresi wajah, menghadirkan teknologi yang sensitif terhadap ekspresi emosional.
Referensi
L. Lestari, “Pengaruh Kecenderungan Alexithymia Terhadap Kecemburuan Dalam Hubungan Berpacaran,†2016. [Online]. Available: https://api.semanticscholar.org/CorpusID:150522190
T. W. Harjanah, “Hubungan Antara Level Alexithymia Dengan Perilaku Prososial Dewasa Muda.â€
Y. M. Lestari, S. Y. Dewi, and A. Chairani, “SCRIPTA SCORE Scientific Medical Journal Penelitian Hubungan Alexithymia dengan Kecanduan Media Sosial pada Remaja di Jakarta Selatan.â€
K. Emosional dan Kecenderungan Alexithymia pada Remaja yang tinggal di Panti Asuhan, S. Ayu Novita, T. Suprihatin, A. Fitriani, F. Psikologi, and U. Islam Sultan Agung, “Dipresentasikan dalam Seminar Nasional dan Call for Paper "Penguatan Kesehatan Mental di Masa Pandemi,†2021.
I. Gusti, A. Agung, M. Pradnyadewi, and P. N. Widiasavitri, “Faktor-faktor Penyebab Alexithymia pada Remaja: Literature Review.â€
D. Samur, M. Tops, C. Schlinkert, M. Quirin, P. Cuijpers, and S. L. Koole, “Four decades of research on alexithymia: Moving toward clinical applications,†Front Psychol, vol. 4, no. NOV, 2013, doi: 10.3389/fpsyg.2013.00861.
G. Istiqomah, D. Wahyuni, P. Islam Anak Usia Dini, F. Ilmu Tarbiyah, and U. Raden Fatah Palembang, “Pengenalan Emosi Positif dan Emosi Negatif Pada Anak Usia Dini,†Jurnal Ilmiah Multidisiplin, vol. 3, no. 1, 2023.
A. Larasati, Z. Fahma Auliya, F. Ekonomi, and D. Bisnis, “The influence of the store environment characteristics toward impulse buying, positive emotional response of consumers as a mediation,†2023.
M. F. Ali and M. Khatun, “Facial Emotion Detection Using Neural Network.†[Online]. Available: http://www.ijser.org
A. B. Jala, T. W. Purboyo, and R. A. Nugrahaeni, “Implementation of Convolutional Neural Network (CNN) Algorithm for Classification of Human Facial Expression in Indonesia,†in 2020 International Conference on Information Technology Systems and Innovation, ICITSI 2020 - Proceedings, Institute of Electrical and Electronics Engineers Inc., Oct. 2020, pp. 256–262. doi: 10.1109/ICITSI50517.2020.9264940.
G. B. Vasani, P. R. S. Senjaliya, P. V Kathiriya, A. J. Thesiya, and H. H. Joshi, “Human Emotional State Recognition Using Facial Expression Detection,†2013.
“1712. Gesture - Mengungkap Makna Dibalik Bahasa Tubuh Orang Lain - Zaka Putra Ramdani - The Blackdof (1)[1]â€.
L. Zahara, P. Musa, E. Prasetyo Wibowo, I. Karim, and S. Bahri Musa, “The Facial Emotion Recognition (FER-2013) Dataset for Prediction System of Micro-Expressions Face Using the Convolutional Neural Network (CNN) Algorithm based Raspberry Pi,†in 2020 5th International Conference on Informatics and Computing, ICIC 2020, Institute of Electrical and Electronics Engineers Inc., Nov. 2020. doi: 10.1109/ICIC50835.2020.9288560.
C. R. W. Morin and W. Rahardjo, “Kecemasan Sosial, Kecenderungan Alexithymia Dan Adiksi Internet Pada Mahasiswa,†Jurnal Psikologi, vol. 14, no. 1, pp. 11–24, 2021, doi: 10.35760/psi.2021.v14i1.3439.
T. I. Hermanto and Y. Muhyidin, “Analisis Data Sebaran Bandwidth Menggunakan Algoritma Dbscan Untuk Menentukan Tingkat Kebutuhan Bandwidth Di Kabupaten Purwakarta,†Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 5, no. 2, pp. 130–137, Jul. 2020, doi: 10.36341/rabit.v5i2.1388.
F. B. Hoirot, “Implementasi Mobilenetv2 Untuk Mendeteksi Emosi Pada Anak Autis Melalui Ekspresi Wajah Berbasis Mobile,†Politeknik Negeri Jember, 2024.
A. A. Handoko, M. A. Rosid, and U. Indahyanti, “Implementasi Convolutional Neural Network (CNN) Untuk Pengenalan Tulisan Tangan Aksara Bima,†SMATIKA JURNAL, vol. 14, no. 01, pp. 96–110, Jul. 2024, doi: 10.32664/smatika.v14i01.1196.
T. I. Hermanto and Y. Muhyidin, “Analisis Data Sebaran Bandwidth Menggunakan Algoritma Dbscan Untuk Menentukan Tingkat Kebutuhan Bandwidth Di Kabupaten Purwakarta,†Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 5, no. 2, pp. 130–137, Jul. 2020, doi: 10.36341/rabit.v5i2.1388.
I. J. Goodfellow et al., “Challenges in representation learning: A report on three machine learning contests,†Neural Networks, vol. 64, pp. 59–63, Apr. 2015, doi: 10.1016/j.neunet.2014.09.005.
O. A. Shawky, A. Hagag, E. S. A. El-Dahshan, and M. A. Ismail, “Remote sensing image scene classification using CNN-MLP with data augmentation,†Optik (Stuttg), vol. 221, Nov. 2020, doi: 10.1016/j.ijleo.2020.165356.
A. M. Saleh and T. Hamoud, “Analysis and best parameters selection for person recognition based on gait model using CNN algorithm and image augmentation,†J Big Data, vol. 8, no. 1, Dec. 2021, doi: 10.1186/s40537-020-00387-6.
M. Sokolova, N. Japkowicz, and S. Szpakowicz, “Beyond Accuracy, F-score, and ROC: A Family of Discriminant Measures for Performance Evaluation,†2006. [Online]. Available: www.aaai.org
D. Safitri, S. S. Hilabi, and F. Nurapriani, “Analisis Penggunaan Algoritma Klasifikasi Dalam Prediksi Kelulusan Menggunakan Orange Data Mining,†Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 8, no. 1, pp. 75–81, Jan. 2023, doi: 10.36341/rabit.v8i1.3009.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.
