<![CDATA[Layanan bimbingan dan konseling di SMA Negeri 1 Tajurhalang masih mengandalkan pengamatan visual dan respons verbal yang sifatnya subjektif, sehingga Guru BK kesulitan mengenali kondisi emosional siswa yang tidak ditunjukkan secara terbuka. Untuk menjawab masalah ini, penelitian ini membangun sistem konseling psikologi berbasis web dengan teknologi Speech Emotion Recognition (SER) yang mendeteksi emosi siswa secara otomatis dari suara. Pengembangannya memakai metode Prototype, dengan React.js sebagai frontend, Flask API sebagai backend, MySQL sebagai basis data, dan Random Forest Classifier untuk klasifikasi emosi. Sebanyak 194 fitur akustik diekstraksi menggunakan library Librosa, meliputi MFCC, Chroma STFT, Mel Spectrogram, Spectral Contrast, Tonnetz, dan Zero Crossing Rate. Model dilatih dengan dataset IndoWaveSentiment, terdiri dari 300 file audio dari 10 aktor, 5 kategori emosi (happy, neutral, surprise, disgust, dan disappointed), 2 tingkat intensitas, dan 3 pengulangan rekaman per kategori. Hasil pengujian menunjukkan accuracy 95,83%, precision 95,96%, recall 95,96%, dan F1-score 95,96%. Black Box Testing mencatat seluruh fitur berjalan valid 100%, sedangkan UAT memperoleh skor 92,38% (kategori sangat baik). Dengan capaian ini, sistem dinilai layak digunakan Guru BK sebagai alat bantu asesmen awal memberi gambaran kondisi emosional siswa yang lebih terukur dibanding sekadar pengamatan manual.]]>
