M. Akbar Latif Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026 id Indonesia

Skripsi

Stres merupakan kondisi psikologis yang muncul akibat tekanan emosional maupun beban kerja yang berlebihan, sehingga dapat mempengaruhi kesehatan fisik, mental, serta menurunkan produktivitas. Salah satu indikator yang paling jelas untuk mendeteksi stres adalah ekspresi wajah, karena perubahan emosional sering tercermin melalui citra wajah seseorang. Penelitian klasifikasi stres berbasis citra wajah sebelumnya menghadapi kendala pada akurasi yang rendah, yang sebagian besar disebabkan oleh kualitas data yang kurang baik dan pemilihan arsitektur model yang kurang optimal. Penelitian ini berkontribusi dengan mengusulkan penggunaan beberapa model CNN serta menerapkan proses data cleaning menyeluruh untuk meningkatkan kualitas data dan performa model. Proses cleaning meliputi pengecekan wajah valid dan penghapusan gambar kartun, serta melakukan peningkatan resolusi citra menggunakan teknik bicubic interpolation. Model dilatih dan diuji menggunakan Stress Face Dataset. Sementara itu, dataset FER-2013 digunakan untuk menguji kemampuan generalisasi, guna menilai sejauh mana model yang telah dilatih dapat beradaptasi pada dataset lain. Hasil penelitian menunjukkan bahwa penerapan data cleaning menghasilkan peningkatan performa yang cukup signifikan pada tiap model yang dilatih. Dimana model EfficientNetB0 menjadi model yang memiliki performa pelatihan paling optimal dengan akurasi validasi yang meningkat dari 0.7246 menjadi 0.9006. Selanjutnya, hasil evaluasi menunjukkan peningkatan performa paling optimal pada model DenseNet201 dengan peningkatan akurasi dari 0.7355 menjadi 0.9120. Hasil pengujian generalisasi pada FER-2013 menunjukkan peningkatan akurasi yang cukup optimal pada model MobileNetV2, dengan peningkatan akurasi dari dari 0.7755 menjadi 0.8412. NEURAL NETWORKS (COMPUTER SCIENCE) IMAGE PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1707493 2026-01-02 14:44:41 2026-01-02 16:24:26 machine generated