EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

KLASIFIKASI EKSPRESI WAJAH UNTUK IDENTIFIKASI INDIKASI KECEMASAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Aldrian Fidel Pranata Sunaryo, Maya Sofhia, Eighia Nita Perangin Angin, Esa Andriani Barus

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 14.07.2026 · 11 (2) · 4239-4246

DOI: 10.36341/rabit.v11i2.8065 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 14.07.2026. Verfasst von Aldrian Fidel Pranata Sunaryo und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ekspresi wajah dalam mengidentifikasi indikasi kecemasan menggunakan metode Convolutional Neural Network (CNN) dengan memanfaatkan dataset FER2013 yang terdiri atas tujuh kategori emosi, yaitu angry, disgust, fear, happy, sad, surprise, dan neutral. Tahapan penelitian meliputi preprocessing data, pelatihan model CNN, evaluasi performa model, serta pengujian secara real-time menggunakan webcam. Sistem yang dikembangkan mampu mengenali ekspresi wajah dan mengklasifikasikannya ke dalam status PANIC, NORMAL, dan UNCERTAIN berdasarkan nilai confidence yang dihasilkan model. Ekspresi fear, sad, angry, dan disgust diinterpretasikan sebagai indikator kecemasan, sedangkan happy, neutral, dan surprise diinterpretasikan sebagai kondisi normal. Berdasarkan hasil pengujian menggunakan data uji FER2013, model CNN memperoleh nilai accuracy sebesar 92,58%, precision sebesar 93,48%, recall sebesar 92,58%, dan F1-score sebesar 92,27%.Hasil penelitian menunjukkan bahwa metode CNN dapat digunakan untuk melakukan klasifikasi ekspresi wajah dan memberikan indikasi awal kondisi kecemasan berdasarkan ekspresi yang terdeteksi. Meskipun model menunjukkan performa yang baik, penelitian ini masih memiliki beberapa keterbatasan, antara lain ketidakseimbangan distribusi data pada dataset FER2013, terutama pada kelas disgust, serta pengaruh kondisi pencahayaan, kualitas kamera, dan posisi wajah terhadap hasil deteksi. Selain itu, interpretasi status PANIC merupakan indikasi awal berdasarkan hasil klasifikasi ekspresi wajah dan belum divalidasi secara klinis oleh psikolog atau tenaga kesehatan mental. Oleh karena itu, penelitian lanjutan diperlukan untuk meningkatkan keandalan sistem..

Zitieren

APA

Sunaryo, A. F. P., Sofhia, M., Angin, E. N. P., & Barus, E. A. (2026). KLASIFIKASI EKSPRESI WAJAH UNTUK IDENTIFIKASI INDIKASI KECEMASAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 4239-4246. https://doi.org/10.36341/rabit.v11i2.8065

Vancouver

Sunaryo AFP, Sofhia M, Angin ENP, Barus EA. KLASIFIKASI EKSPRESI WAJAH UNTUK IDENTIFIKASI INDIKASI KECEMASAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):4239-4246. doi:10.36341/rabit.v11i2.8065

BibTeX
@article{Sunaryo2026,
  author = {Sunaryo, Aldrian Fidel Pranata and Sofhia, Maya and Angin, Eighia Nita Perangin and Barus, Esa Andriani},
  title = {KLASIFIKASI EKSPRESI WAJAH UNTUK IDENTIFIKASI INDIKASI KECEMASAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {4239--4246},
  doi = {10.36341/rabit.v11i2.8065}
}
Kostenlos starten →