<![CDATA[Abstrak— Emosi mengkomunikasikan dan membangkitkan perilaku manusia, oleh karena itu analisis emosi sangat diperlukan untuk memahami kondisi afektif secara objektif. Salah satu cara potensial untuk melakukannya adalah melalui analisis biometrik mata karena Fitur mata dapat digunakan untuk merepresentasikan perubahan emosional sebagai data numerik. Pendekatan pembelajaran tanpa pengawasan dari pengelompokan untuk deteksi emosi berdasarkan fitur Mata digunakan untuk membandingkan algoritma Fuzzy C-Means (FCM) dalam penelitian ini. Untuk yang pertama, kumpulan Data dikumpulkan dari 27 partisipan dengan jumlah 72.632 frame termasuk FrameNo, A_p2p6_L/R, B_p3p5_L/R, C_p1p4_L/R, ear_L/R, dan avg_ear dalam format numerik yang mewakili fitur biometrik mata. Penelitian ini memiliki tahapan sebagai berikut: Penggabungan kumpulan data, perhitungan dimensi valence dan arousal, normalisasi data, penggabungan pengelompokan FCM untuk proses masuk dengan jarak euclidean invers FCM dari emosi tertentu dengan probabilitas yang sama untuk setiap label cluster untuk menemukan pusatnya; kemudian menerapkan kriteria pemungutan suara mayoritas dengan menggunakan emosi dominan dari partisipan sebelumnya yang terdapat pada label berbeda dalam kelompok. Hasilnya menunjukkan Skor Silhouette sebesar 0,3936 yang diberikan oleh FCM; oleh karena itu, menunjukkan bahwa Fuzzy C-Means memiliki kualitas yang lebih baik pada pemisahan cluster dalam mengatur pola emosi berdasarkan fitur Mata. Kata Kunci— Fuzzy C-Means, fitur mata, valence-arousal, emosi]]>
Copyrights © 2026
