<![CDATA[Perkembangan pesat teknologi Artificial Intelligence (AI) telah membawa pengaruh besar dalam bidang pengolahan citra, khususnya pada sistem analisis wajah untuk mengenali emosi manusia melalui ekspresi wajah. Penelitian ini merupakan sebuah sistem pengenalan emosi wajah dengan memanfaatkan metode deep learning berbasis arsitektur Swin Transformer, yang mengandalkan mekanisme shifted window self-attention untuk mengekstraksi informasi fitur secara efektif baik pada skala lokal maupun global. Program aplikasi yang dikembangkan menerima masukan berupa citra wajah dalam bentuk foto dan dirancang agar dapat dioperasikan secara real time. Sebelum memasuki tahap klasifikasi emosi, proses pendeteksian wajah dilakukan terlebih dahulu menggunakan metode Haar Cascade, kemudian dilanjutkan dengan tahapan pra-pemrosesan untuk menyesuaikan data input dengan kebutuhan model. Fitur-fitur yang dihasilkan oleh Swin Transformer selanjutnya diproses menggunakan fully connected layer dengan fungsi aktivasi softmax untuk menghasilkan keluaran berupa label emosi beserta nilai confidence score. Berdasarkan hasil pengujian, sistem pengenalan emosi menggunakan Swin Transformer memperoleh rata-rata akurasi sebesar 87,54% dengan akurasi validasi mencapai 74,82%. Sementara itu, metode Haar Cascade menunjukkan performa pendeteksian wajah dengan rata- rata akurasi sebesar 98,44%, meskipun masih ditemukan kesalahan deteksi pada objek non- wajah dalam kondisi tertentu. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa Swin Transformer memiliki potensi yang sangat baik untuk dikembangkan lebih lanjut dalam sistem prediksi emosi berbasis ekspresi wajah di masa mendatang]]>
Copyrights © 2026
