IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN OPTIMIZER ADAM DALAM DETEKSI EMOSIONALPADA WAJAH MANUSIA

Amalia, Poppy
Wijaya, Robby
Chandra, Chandra
Octaviandy, Pieter
Wilson, Wilson
David, David
Andy, Andy
Herman, Herman
Edi, Edi
Aryanto, DidiK
Joni, Joni
Terang kita Perangin Angin, Johanes

JURNAL VOKASI TEKNIK (JUVOTEK)
Vol 3 No 1 (2025): JURNAL VOKASI TEKNIK (JUVOTEK)

Deteksi emosional pada wajah manusia adalah bidang penting dalam pemrosesan citra dan pemahaman emosi. Penelitian ini mengembangkan aplikasi deteksi emosi menggunakan algoritma Haar Cascade Classifier untuk mendeteksi wajah dan Convolutional Neural Network (CNN) dengan optimizer Adam untuk menganalisis emosi. Aplikasi yang dikembangkan berhasil mendeteksi tujuh jenis emosi dasar (marah, jijik, takut, senang, netral, sedih, dan terkejut) secara real-time dengan akurasi keseluruhan sebesar 90%. Kombinasi CNN dan optimizer Adam menunjukkan performa yang baik dengan peningkatan akurasi dan penurunan loss yang konsisten seiring bertambahnya epoch, meskipun terdapat indikasi overfitting. Hasil penelitian menunjukkan bahwa sistem ini dapat diandalkan untuk mendeteksi berbagai ekspresi wajah dan memberikan solusi yang efektif dan akurat dalam deteksi emosional.