<![CDATA[Kemampuan sistem untuk mendeteksi emosi pada citra wajah manusia dan memberikan rekomendasi konten YouTube berdasarkan hasil deteksi tersebut dapat meningkatkan interaksi manusia dengan teknologi. Penelitian ini mengusulkan integrasi baru antara deteksi emosi wajah secara real-time dengan sistem rekomendasi multimedia berbasis emosi, menggunakan kerangka kerja ringan berbasis Convolutional Neural Networks (CNN). Dua arsitektur CNN yang efisien—Sequential Fully-CNN dan Mini-Xception—dibandingkan untuk mengklasifikasikan tujuh emosi pada dataset FER-2013. Kontribusi utama dari penelitian ini adalah penggabungan klasifikasi emosi secara real-time dengan sistem pemetaan berbasis aturan untuk merekomendasikan konten YouTube yang relevan secara emosional, menciptakan pengalaman pengguna yang lebih personal dan adaptif. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi emosi dengan akurasi tinggi sekaligus menjaga efisiensi komputasi untuk aplikasi waktu nyata. Pendekatan ini diharapkan dapat meningkatkan kualitas interaksi manusia-komputer melalui umpan balik multimedia yang responsif dan relevan secara emosional.]]>
Copyrights © 2025
