Muhammad Ulul Arhami Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026 id Indonesia

Skripsi

Emosi memiliki peran penting dalam dunia pendidikan, terutama dalam interaksi antara guru dan siswa. Memahami emosi siswa dapat membantu guru dalam mengelola kelas dengan lebih baik. Namun, pemantauan emosi secara langsung sering kali terbatas dan subjektif, yang dapat menyebabkan ketidaktepatan dalam pendekatan pengajaran. Penelitian ini bertujuan mengembangkan model deteksi ekspresi wajah menggunakan arsitektur MobileNet, MobileNetV2, dan MobileNetV3, yang dioptimalkan untuk efisiensi dan akurasi. Pemilihan tujuh ekspresi wajah senang, sedih, marah, takut, terkejut, jijik, dan netral didasarkan pada kajian sebelumnya yang umum digunakan dalam analisis ekspresi wajah, khususnya dalam konteks pembelajaran.Hasil pengujian menunjukkan bahwa MobileNetV1 memberikan performa terbaik dengan akurasi 96,00%, precision 96,46%, recall 95,71%, dan F1-score 96,00%, dengan waktu inferensi 184,02 detik. MobileNetV2 mencapai akurasi 92,80%, precision 93,22%, recall 93,13%, dan F1-score 92,98%, dengan waktu inferensi 262,05 detik. Sementara itu, MobileNetV3 Small hanya memperoleh akurasi 59,47% dan MobileNetV3 Large mencapai 83,47%, keduanya menunjukkan keterbatasan dalam generalisasi meskipun lebih ringan dari segi parameter. Secara keseluruhan, hasil ini menegaskan bahwa MobileNetV1 lebih unggul untuk mendeteksi ekspresi wajah pada dataset KTFEv2, sedangkan MobileNetV3 small masih mengalami gejala underfitting. Penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem otomatis untuk pemantauan kondisi emosional siswa di lingkungan pendidikan. IMAGE PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1707571 2026-01-05 12:28:13 2026-01-05 15:51:03 machine generated