Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Abdiansah, Ridwan
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Machine Learning pada Alat Deteksi Emosi untuk Sistem Kontrol Suhu Ruangan Menggunakan Metode CNN Abdiansah, Ridwan; Sekarsari, Kartika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.6573

Abstract

Ekspresi (wajah)  emosi  merupakan  usaha  yang  dilakukan  oleh  seseorang  untuk mengkomunikasikan  status  perasaan  (emosi)  sebagai  respons  terhadap  situasi tertentu yang terlihat dari perubahan biologis, fisiologis dan serangkaian  kecenderungan tindakan (sikap  dan  tingkah  laku) berorientasi pada tujuan. Machine learning dapat menciptakan suatu teknologi baru menggunakan ekspresi emosi yang bertujuan untuk interaksi manusia dan komputer semakin mudah dalam kecerdasan buatan. Dalam penelitian ini, machine learning akan diterapkan pada alat deteksi dengan menggunakan mikrokontroller Wemos ESP32 D1 yang nantinya akan menyalakan beberapa kipas yang ada di alat tersebut. Metode yang digunakan Convolutional Neural Network dengan arsitektur YOLO. Data yang digunakan dan dilatih berasal dari website Kaggle dengan klasifikasi angry, happy dan neutral. Didalam data tersebut terdapat ‘angry’ 958 gambar, ‘happy’ 1.774 gambar dan ‘neutral’ 1.233 gambar. Hasil yang diperoleh dari metode Convolutional Neural Network dengan arsitektur YOLO menunjukkan nilai precision sebesar 100%, yang berarti bahwa semua prediksi yang dilabeli sebagai ‘angry’ benar-benar merupakan emosi ‘angry’. Demikian pula, recall-nya adalah 100%, menunjukkan bahwa model berhasil mendeteksi semua kasus ‘angry’ yang ada dalam data uji. F1-Score untuk emosi ini juga mencapai nilai sempurna 100%, menunjukkan keseimbangan sempurna antara precision dan recall. Kelas ‘happy’ juga menunjukkan hasil yang sama baiknya, dengan precision, recall, dan F1-Score masing-masing mencapai nilai sempurna 100%.
Co-Authors Kartika Sekarsari