KLASIFIKASI EKSPRESI EMOSI WAJAH BAHAGIA DAN TIDAK BAHAGIA MENGGUNAKAN ARSITEKTUR MOBILENETV2 BERBASIS DEEP LEARNING

Abstract

Penelitian ini bertujuan membangun sistem klasifikasi ekspresi wajah dua kelas (happy dan not happy) menggunakan arsitektur Convolutional Neuran Network (CNN) berbasis MobileNetV2 yang ringan dan efisien. Dataset yang digunakan merupakan gabungan dari FER2013, Pinterest, dan Roboflow, yang telah melalui proses augmentasi dan preprocessing. Model dilatih menggunakan metode 5-Fold Cross Validation untuk memperoleh evaluasi yang lebih stabil dan menyeluruh. Hasil penelitian menunjukkan bahwa model mencapai rata-rata akurasi validasi sebesar 81,49%, dengan nilai precision, recall, dan F1-score yang seimbang. Model kemudian diimplementasikan dalam sistem web berbasis Flask, memungkinkan pengguna mengunggah gambar dan memperoleh hasil klasifikasi dalam bentuk label teks. Pengujian menggunakan gambar wajah pribadi menunjukkan bahwa sistem memiliki kemampuan generalisasi yang baik pada data nyata di luar data latih. Penelitian ini menunjukkan bahwa arsitektur MobileNetV2 dapat diandalkan untuk tugas klasifikasi ekspresi wajah dua kelas berbasis gambar statis dan berpotensi dikembangkan lebih lanjut untuk aplikasi praktik di bidang pendidikan, interaksi manusia-komputer, dan layanan publik.