<![CDATA[Perkembangan teknologi kecerdasan buatan dan deep learning telah memungkinkan terciptanya alat pembelajaran interaktif bagi anak usia dini. Pengenalan emosi memiliki peran yang sangat penting dalam perkembangan sosial dan kognitif anak. Namun, proses identifikasi emosi dalam kegiatan pembelajaran umumnya masih dilakukan melalui pengamatan manual, yang dapat dipengaruhi oleh bias subjektif dan perbedaan penilaian antar pengamat. Penelitian ini bertujuan untuk mengembangkan model Convolutional Neural Network (CNN) yang mampu mengenali ekspresi wajah sebagai media pembelajaran untuk membantu deteksi emosi pada anak usia dini. Penelitian ini menggunakan metode kuantitatif dengan pendekatan eksperimental, dengan memanfaatkan data citra wajah dari dataset FER-2013 yang tersedia di platform Kaggle. Dataset tersebut terdiri dari citra wajah skala abu-abu, dengan fokus pada tiga emosi utama, yaitu senang, sedih, dan takut. Untuk meningkatkan efektivitas model, dilakukan tahapan pra-pemrosesan data berupa normalisasi dan augmentasi citra. Model CNN dilatih dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, serta dianalisis menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model CNN yang diusulkan mampu mengidentifikasi ekspresi wajah dengan kinerja yang baik, dengan tingkat akurasi tertinggi pada emosi senang, diikuti oleh emosi sedih dan takut. Model tersebut kemudian diintegrasikan ke dalam aplikasi berbasis kamera secara real-time yang secara otomatis mendeteksi ekspresi wajah selama sesi pembelajaran. Hasil ini menunjukkan bahwa penggunaan deteksi ekspresi wajah berbasis CNN sebagai media pembelajaran interaktif dapat secara efektif mendukung pengenalan emosi pada pendidikan anak usia dini.]]>
Copyrights © 2026
