<![CDATA[Pengenalan emosi memainkan peran penting dalam berbagai aplikasi, seperti interaksi manusia-mesin, layanan kesehatan mental, dan sistem pengajaran adaptif. Convolutional Neural Network (CNN) telah menjadi metode yang andal untuk pengenalan emosi karena kemampuannya dalam mengenali pola kompleks dari data visual, audio, dan multimodal. Penelitian ini bertujuan untuk mengkaji penerapan CNN dalam pengenalan emosi, termasuk jenis dataset yang digunakan, arsitektur model, metode augmentasi data, dan tantangan implementasi.Hasil kajian menunjukkan bahwa CNN mampu mencapai akurasi tinggi pada dataset seperti FER2013, CK+, dan RAVDESS, dengan rata-rata akurasi di atas 80%. Metode augmentasi data, seperti rotasi, flipping, dan penyesuaian pencahayaan, membantu meningkatkan generalisasi model. Namun, penelitian ini masih menghadapi tantangan, termasuk keterbatasan dataset yang kurang representatif, kebutuhan komputasi yang tinggi, dan kurangnya interpretabilitas model. Pendekatan multimodal yang menggabungkan data citra, suara, dan teks juga menunjukkan hasil yang menjanjikan dengan akurasi hingga 92%.Penelitian ini menyimpulkan bahwa CNN memiliki potensi besar untuk mendukung pengembangan sistem pengenalan emosi yang lebih akurat dan andal. Pengembangan dataset yang lebih inklusif, integrasi metode mutakhir, dan penerapan teknik explainable AI direkomendasikan untuk penelitian di masa depan.]]>
Copyrights © 2024
