Muhajir Primary Author mixed material bibliography Banda Aceh Program Studi Magister Teknik Elektro 2024

Theses

Belajar adalah proses mengubah perilaku individu melalui interaksi dengan lingkungan. Dalam proses pembelajaran emosi memegang peranan yang sangat penting yang memberikan pengaruh terhadap cepat atau lambatnya proses pembelajaran itu dilaksanakan. Emosi adalah reaksi psikologis dan fisiologis terhadap suatu peristiwa atau stimulus. Memahami emosi peserta didik membantu guru dan pendidik berinteraksi lebih efektif dengan peserta didik dan menciptakan lingkungan pembelajaran yang lebih baik. Pentingnya memahami emosi peserta didik dalam proses pembelajaran telah mendorong eksplorasi penggunaan teknologi klasifikasi emosi wajah. Dalam penelitian ini, memperkenalkan dataset emosi baru yang diakusisi pada peserta didik SMP Negeri 1 Darul Imarah, Aceh Besar. Dataset ini mencakup 5 kelas yang meliputi emosi senang, sedih, marah, terkejut dan bosan. Dataset tersebut diuji menggunakan pendekatan deep learning, yaitu menerapkan pendekatan Ensemble yang terdiri dari Resnet152, MobileNetV2, dan InceptionV3 untuk mengidentifikasi ekspresi emosi pada wajah peserta didik sekolah. Model Ensemble dapat mengoptimalkan klasifikasi emosi dengan menggabungkan probabilitas prediksi masing-masing model Resnet152, MobileNetV2, dan InceptionV3. Sehingga menghasilkan prediksi yang lebih akurat dan konsisten. Hasil kinerja menunjukkan model Ensembel menghasilkan akurasi, presisi, recall, dan F1-score yang paling tinggi yaitu 91%, sementara model Resnet152, MobileNetV2, dan InceptionV3 menghasilkan akurasi 88%, 85% dan 843%. Dengan menggabungkan prediksi dari ketiga model, pendekatan Ensemble mampu mengatasi variasi emosi dengan lebih konsisten dan akurat. Implementasi model-model klasifikasi emosi, baik secara individual maupun dalam bentuk Ensemble, dapat memberikan kontribusi dalam meningkatkan interaksi guru-peserta didik dan mengoptimalkan strategi pembelajaran yang responsif terhadap kebutuhan emosi peserta didik. Kata Kunci: Klasifikasi Emosi, Ensemble, MobileNetV2, Resnet152, InceptionV3. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 119822 2024-01-26 16:04:12 2024-01-26 16:12:16 machine generated