Nabila Aprillia Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Skripsi

Penelitian ini bertujuan untuk membandingkan performa dua arsitektur deep learning, ResNet50 dan EfficientNetV2B0, dalam klasifikasi emosi wajah berbasis citra, serta mengembangkan dataset baru bernama NaFED-7 sebagai solusi atas keterbatasan dataset sebelumnya dan mendukung penelitian lanjutan dalam klasifikasi emosi berbasis citra. Dataset NaFED-7 dikumpulkan dari 100 individu, dipra-proses dengan deteksi wajah menggunakanMediaPipe, resize ke 224×224 piksel, serta augmentasi data. Model ResNet50 dan EfficientNetV2B0 dilatih menggunakan pendekatan transfer learning berbasis ImageNet, dengan total 16 kombinasi hyperparameter. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa ResNet50 mencapai akurasi 45%, presisi 50%, recall 45%, dan F1-score 44% pada konfigurasi terbaik, dengan waktu pelatihan 4 menit 22 detik. Sementara itu, EfficientNetV2B0 hanya mencapai 32% di semua metrik dan memerlukan waktu pelatihan lebih lama. Dengan hasil tersebut, ResNet50 dinilai lebih unggul, efisien, dan konsisten, serta dipilih sebagai model utama untuk sistem deteksi emosi berbasis web. Penelitian selanjutnya disarankan untuk memperluas data dan meningkatkan pendekatan pelatihan guna memperoleh model yang lebih kuat dan akurat di berbagai kondisi nyata. Kata kunci : Klasifikasi Emosi, Ekspresi Wajah, Deep Learning, ResNet50, EfficientNetV2B0, Transfer Learning, NaFED-7 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 165811 2025-07-23 14:54:51 2025-07-23 15:32:49 machine generated