<![CDATA[Gangguan kesehatan mental menjadi salah satu permasalahan global yang terus meningkat, sementara keterbatasan tenaga profesional menyebabkan proses pemantauan kondisi emosional belum dapat dilakukan secara optimal. Penelitian ini bertujuan mengembangkan sistem Monitoring Kondisi Emosi Pengguna berbasis Artificial Intelligence (AI) menggunakan metode Facial Expression Recognition (FER) untuk membantu pemantauan emosi secara otomatis dan real-time. Sistem memanfaatkan algoritma Multi-task Cascaded Convolutional Networks (MTCNN) untuk mendeteksi wajah dan model MobileNetV2 untuk mengklasifikasikan ekspresi wajah ke dalam tujuh kategori emosi, yaitu angry, disgust, fear, happy, neutral, sad, dan surprise. Model dilatih menggunakan dataset FER-2013 yang terdiri dari 35.887 citra wajah, kemudian diimplementasikan pada aplikasi berbasis webcam. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 41%, dengan weighted precision sebesar 45%, weighted recall sebesar 41%, dan weighted F1-score sebesar 40%. Pengujian implementasi menunjukkan bahwa sistem mampu mendeteksi wajah, melakukan klasifikasi emosi secara otomatis, serta menampilkan hasil prediksi beserta tingkat kepercayaannya (confidence score) secara real-time. Penelitian ini menunjukkan bahwa kombinasi metode FER, algoritma MTCNN, dan model MobileNetV2 dapat diterapkan sebagai solusi awal untuk mendukung monitoring kondisi emosi pengguna secara otomatis. Pengembangan lebih lanjut diperlukan untuk meningkatkan akurasi model melalui optimasi algoritma, penambahan dataset, dan penyempurnaan proses pelatihan.]]>
Copyrights © 2026
