<![CDATA[Penelitian ini memanfaatkan AI, ComputerVision, dan Deep Learning dalam implementasi website terapikognitif berbahasa Indonesia. Saat ini belum terdapat websiteterapi kognitif berbahasa Indonesia yang tersedia secara gratisdi internet. Selain itu, klasifikasi gerakan mulut masihdilakukan secara manual. Proses klasifikasi gerakan mulutsecara manual yang akurat memerlukan bantuan dari terapisprofesional yang tentunya memerlukan biaya yang signifikan.Dalam penelitian ini, digunakan MediaPipe, suatuframework yang dikembangkan Google yang mampumendeteksi 468 titik landmarks di wajah manusia dan 33 titiklandmarks pada tubuh manusia untuk mengestimasi gerakanpada frame video yang diamati. Untuk melakukan klasifikasigerakan tersebut, digunakan metode Random Forest Classifieryang memiliki kemampuan untuk membaca danmengklasifikasikan masing-masing landmarks pada setiapframe video.Hasil pengujian menunjukkan bahwa penggunaanMediaPipe dan Random Forest Classifier efektif untukmengklasifikasikan gerakan wajah dengan akurasi yang tinggi.Akurasi yang didapatkan sebesar 100% dari jarak 60cm dansudut pandang 0°. Pengujian yang dilakukan pada pagi danmalam hari menunjukkan akurasi yang tidak jauh berbeda.Meskipun kondisi pencahayaan berbeda, hasil pengujianmenunjukkan bahwa intensitas cahaya tampaknya tidakmemiliki pengaruh signifikan terhadap proses pendeteksiangerakan. Kata kunci— AI, Computer Vision, MediaPipe, Random Forest Classifier, Terapi Kognitif, Akurasi]]>
