Electronic Theses and Dissertation

Ekspresi wajah merupakan salah satu bentuk komunikasi non-verbal yang dapat secara langsung mencerminkan kondisi emosional seseorang. Namun, proses identifikasi ekspresi wajah secara manual masih sulit dilakukan karena adanya emosi yang halus, subjektivitas penilai, serta kurang efisien jika dilakukan terusmenerus. Oleh karena itu, dibutuhkan aplikasi yang mampu mengklasifikasikan ekspresi wajah secara otomatis dan praktis, khususnya pada perangkat mobile. Penelitian ini merancang aplikasi bernama FeelCheck, sebuah aplikasi Android berbasis Flutter yang dapat mengklasifikasikan ekspresi wajah secara efisien. Dengan pendekatan Human-Centered Design (HCD), aplikasi dirancang dan diimplementasikan dengan fitur utama seperti deteksi wajah, klasifikasi ekspresi dengan tingkat kepercayaan, riwayat dan panduan penggunaan. Pengujian fungsional dilakukan menggunakan Black Box Testing, sedangkan evaluasi kegunaan menggunakan System Usability Scale (SUS) yang melibatkan 12 responden. Hasil menunjukkan seluruh fitur berjalan dengan baik dan nilai rata-rata SUS sebesar 77 termasuk kategori “Baik”, yang menandakan tingkat kegunaan tinggi. Dengan demikian, FeelCheck terbukti efektif dalam mendukung identifikasi ekspresi wajah secara otomatis serta memudahkan pemantauan kondisi emosional pengguna.

Facial expressions are a form of non-verbal communication that can directly reflect a person’s emotional state. However, manual identification of facial expressions remains challenging due to subtle emotions, subjective evaluation, and inefficiency if performed continuously. Therefore, an application capable of automatically and practically classifying facial expressions is needed, especially on mobile devices. This study designs an application called FeelCheck, an Android-based Flutter application that can classify facial expressions efficiently. Using the HumanCentered Design (HCD) approach, the application was designed and implemented with key features such as face detection, expression classification with confidence scores, history, and user guidance. Functional testing was conducted using Black Box Testing, while usability evaluation employed the System Usability Scale (SUS) involving 12 respondents. The results showed that all features worked properly, and the average SUS score of 77 fell into the “Good” category, indicating a high level of usability. Thus, FeelCheck has proven effective in supporting automatic facial expression identification and facilitating the monitoring of users’ emotional conditions.