<![CDATA[Tingginya masalah kesehatan mental di era digital dan terbatasnya psikolog profesional di Indonesia menyebabkan banyak instansi, termasuk universitas, menyediakan layanan konseling dengan konselor non-psikolog, yang seringkali mengakibatkan diagnosis emosi kurang akurat. Penelitian ini mengusulkan sistem deteksi emosi berbasis face recognition menggunakan arsitektur Convolutional Neural Network-Residual Network (CNN-ResNet) pada Raspberry Pi untuk membantu konselor menginterpretasi kondisi emosional klien secara objektif. Penelitian ini mengadopsi desain implementasi-perancangan dengan fokus pada pemantauan kondisi emosi melalui deteksi landmark wajah menggunakan Media Pipe Face Mesh pada data sekunder Cohn-Kanade Dataset (CK+) yang dinormalisasi dan augmentasi, serta dibagi ke dalam tiga skenario rasio training-testing (90:10, 80:20, 70:30). Hasil pengujian efektivitas model menunjukkan rasio split data 80:20 memberikan kinerja optimal dengan akurasi model mencapai 95%, meskipun masih mengalami tantangan dalam mengklasifikasikan emosi "sedih" dan "hina" karena jumlah data yang sedikit dan kemiripan fitur dengan emosi "netral". Pengujian sistem secara keseluruhan pada Raspberry Pi menghasilkan akurasi 33,75% menggunakan data sekunder dan 41,49% pada skenario simulasi bimbingan konseling dengan data primer, menunjukkan potensi sistem sebagai alat bantu awal yang memerlukan pengembangan lebih lanjut.]]>
Copyrights © 2025
