<![CDATA[Deteksi emosi merupakan salah satu aspek penting dalam komputasi afektif, yang mana tekonologi terkini menunjukkan deteksi emosi pada manusia dapat diperoleh dari enam jenis sumber deteksi emosi berupa percakapan, teks, gestur dan pergerakan tubuh, keadaan fisiologis, dan ekspresi wajah seorang manusia. Salah satu teknik dalam melakukan deteksi emosi atau klasifikasi emosi dapat dilakukan melalui klasifikasi ekspresi wajah, deteksi emosi berdasarkan ekspresi wajah sudah banyak dilakukan yang pada umumnya menggunakan metode Convolutional Neural Networks (CNN). Pada penelitian ini penerapan model CNN yang dikembangkan menjadi model Mini-Xception yang memanfaatkan separable CNN untuk meningkatkan efisiensi dalam melakukan klasifikasi. Model Mini-Xception secara umum digunakan pada data FER-2013, namun pada penelitian ini akan digunakan pada dataset berbeda yaitu KDEF. Augmentasi dilakukan terhadap dataset KDEF, dengan menggunakan teknik augmentasi penyesuaian dan augmentasi lanjut sebagai tahap praproses terhadap dataset KDEF. Hyperparameter merupakan kombinasi parameter yang akan dicari sebelum dilakukan pelatihan kembali dan pengujian terhadap model. Pengujian model yang memanfaatkan augmentasi dapat menghasilkan akurasi sekitar 90% pada pelatihan dan 90% pada pengujian. Penelitian ini menunjukkan prediksi model tidak mengalami overfitting dan dapat bekerja dengan baik meskipun menggunakan dataset yang berbeda dibanding dataset umum yang digunakan untuk model Mini-Xception.]]>
Copyrights © 2025
