Klasifikasi Ekspresi Wajah Manusia Secara Otomatis Sebagai Alat Bantu Ahli Psikilogi (Pendeteksi Marah dan Takut)
Abstract
Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ekspresi wajah secara otomatis sebagai alat bantu bagi ahli psikologi, dengan fokus pada deteksi ekspresi marah dan takut. Permasalahan utama yang diangkat adalah kebutuhan akan sistem yang mampu menganalisis emosi secara objektif tanpa bergantung pada observasi manual yang cenderung subjektif. Sistem ini dibangun menggunakan algoritma YOLOv11 dan dilatih menggunakan dataset publik yang telah diolah dan dioptimalkan melalui platform Roboflow. Antarmuka pengguna dikembangkan dengan pustaka Tkinter untuk memudahkan interaksi antara pengguna dan sistem. Pengujian dilakukan terhadap beberapa mahasiswa serta dua psikolog profesional untuk mengevaluasi akurasi dan kegunaan sistem. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi ekspresi secara real-time dengan tingkat akurasi yang baik pada kondisi pencahayaan dan sudut wajah yang optimal. Namun, akurasi menurun dalam kondisi pencahayaan rendah atau posisi wajah tidak frontal. Evaluasi psikolog menyatakan bahwa sistem ini memiliki potensi sebagai alat observasi non-verbal, namun belum direkomendasikan untuk asesmen psikologi klinis. Dengan peningkatan lebih lanjut pada kualitas data dan performa model, sistem ini berpeluang besar untuk dimanfaatkan di bidang psikologi maupun aplikasi lain seperti pendidikan, keamanan, dan interaksi manusia-komputer.
Kata kunci — Ekspresi wajah, YOLOv11, psikologi, deteksi emosi, klasifikasi otomatis
References
M. R. Edy, “Deteksi Emosi dari Ekspresi Wajah dengan Deep Learning,” Inf. Technol. Educ. J., vol. 3, no. 2, pp. 116–123, 2024, [Online]. Available: https://journal.unm.ac.id/index.php/INTEC/article/view/2866
M. Ihsan, R. K. Niswatin, and D. Swanjaya, “Deteksi Ekspresi Wajah Menggunakan Tensorflow,” Joutica, vol. 6, no. 1, p. 428, 2021, doi: 10.30736/jti.v6i1.554.
D. Lambert, Buku Saku Bahasa Tubuh, 1:2000. Jakarta: Arcan, 1999.
A. I. Pradana, H. Harsanto, and W. Wijiyanto, “Deteksi Rambu Lalu Lintas Real-Time di Indonesia dengan Penerapan YOLOv11: Solusi Untuk Keamanan Berkendara,” J. Algoritm., vol. 21, no. 2, pp. 145–155, 2024, doi: 10.33364/algoritma/v.21-2.2106.
“Top Ekspresi Datasets and Models | Roboflow Universe.” Accessed: Feb. 28, 2025. [Online]. Available: https://universe.roboflow.com/search?q=class%3Aekspresi+natural&utm_source=chatgpt.com
Saepudin, N. Sujana, M. M. Mutoffar, and A. A. Haryanto, “Analisis Kinerja YOLOv8 Optimalisasi Roboflow Untuk Deteksi Ekpresi Wajah Emosional dengan Machine Learning,” vol. 06, no. 02, pp. 115–124, 2024.
“Visual Studio Code - Code Editing. Redefined.” Accessed: Feb. 28, 2025. [Online]. Available: https://code.visualstudio.com/
M. R. S. Alfarizi, M. Z. Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “Penggunaan Python Sebagai Bahasa Pemrograman untuk Machine Learning dan Deep Learning,” Karya Ilm. Mhs. Bertauhid (KARIMAH TAUHID), vol. 2, no. 1, pp. 1–6, 2023.
T. Rahmad Effendi, N. Fadillah, and P. Wajah, “InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sistem Absensi Berbasis Pengenalan Wajah Secara Real Time menggunakan Metode Fisherface,” J. Nas. Inform. dan Teknol. Jar., vol. 4, no. 2, pp. 351–354, 2020, [Online]. Available: https://doi.org/10.30743/infotekjar.v4i2.2377
B. K. Durga, V. Rajesh, S. Jagannadham, P. S. Kumar, A. N. Z. Rashed, and K. Saikumar, “Deep Learning-Based Micro Facial Expression Recognition Using an Adaptive Tiefes FCNN Model,” Trait. du Signal, vol. 40, no. 3, pp. 1035–1043, 2023, doi: 10.18280/ts.400319.
R. Ma and R. Zhang, “Facial expression recognition method based on PSA—YOLO network,” Front. Neurorobot., vol. 16, 2023, doi: 10.3389/fnbot.2022.1057983.
S. A. F. Manssor, S. Sun, and M. A. M. Elhassan, “Real-Time Human Recognition at Night Via Integrated Face and Gait Recognition Technologies,” Sensors, vol. 21, no. 13, 2021, doi: 10.3390/s21134323.
J. Zhao, S. Yan, and J. Feng, “Towards Age-Invariant Face Recognition,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 44, no. 1, pp. 474–487, 2022, doi: 10.1109/TPAMI.2020.3011426.
AL Sigit Guntoro, Edy Julianto, and Djoko Budiyanto, “Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network,” J. Inform. Atma Jogja, vol. 3, no. 2, pp. 155–160, 2022, doi: 10.24002/jiaj.v3i2.6790.
A. P. Saputri, A. Taqwa, and S. Soim, “Analisis Deteksi Objek Citra Digital Menggunakan Algoritma YOLO dan CNN dengan Arsitektur RepVGG Pada Sistem Pendeteksian dan Pengenalan Ekspresi Wajah,” vol. 9, no. 9, pp. 356–363, 2022.
M. R. A. Salim, F. Sthevanie, and K. Nur Ramadhani, “Pendeteksi Masker pada Gambar Menggunakan Model Deep Learning Yolo-v2 dengan ResNet-50,” e-Proceeding Eng., vol. 10, no. 5, pp. 4967–4973, 2023.
W. Liu, L. Zhou, and J. Chen, “Face Recognition Based on Lightweight Convolutional Neural Networks,” Inf., vol. 12, no. 5, 2021, doi: 10.3390/info12050191.
E. Tanuwijaya, Timotius, D. C. Kartamihardja, T. Leonardo, and Lianoto, “Deteksi Ekspresi Wajah Manusia Menggunakan Convolution Neural Network Pada Citra Pembelajaran Daring,” J. Ilm. Betrik, vol. 13, no. 3, pp. 224–230, 2021, [Online]. Available: http://ejournal.lppmsttpagaralam.ac.id/index.php/betrik/article/view/357
A. Bochkovskiy, C.-Y. Wang, and H.-Y. M. Liao, “YOLOv4: Optimal Speed and Accuracy of Object Detection,” 2020, [Online]. Available: http://arxiv.org/abs/2004.10934
A. Bohi, Y. El Boudouri, and I. Sfeir, “A Novel Deep Learning Approach For Facial Emotion Recognition: Application to Detecting Emotional Responses in Elderly Individuals With Alzheimer’s Disease,” Neural Comput. Appl., pp. 0–30, 2024, [Online]. Available: doi.org/10.21203/rs.3.rs-4676407/v1
Y. Tian, Q. Ye, and D. Doermann, “YOLOv12: Attention-Centric Real-Time Object Detectors,” 2025, [Online]. Available: http://arxiv.org/abs/2502.12524
A. T. Akbar, S. Saifullah, and H. Prapcoyo, “KLASIFIKASI EKSPRESI WAJAH MENGGUNAKAN COVOLUTIONAL NEURAL FACIAL EXPRESSION CLASSIFICATION USING CONVOLUTIONAL NEURAL,” vol. 11, no. 6, 2024, doi: 10.25126/jtiik.202411888.
H. Ma, S. Lei, T. Celik, and H.-C. Li, “FER-YOLO-Mamba: Facial Expression Detection and Classification Based on Selective State Space,” vol. 10, no. 10, pp. 1–12, 2024, [Online]. Available: http://arxiv.org/abs/2405.01828
S. Subudhiray, H. K. Palo, and N. Das, “K-nearest neighbor based facial emotion recognition using effective features,” IAES Int. J. Artif. Intell., vol. 12, no. 1, p. 57, 2023, doi: 10.11591/ijai.v12.i1.pp57-65.
M. A. Hasan, A. H. Lazem, M. A. Alkhafaji, and H. B. Taher, “Facial Human Emotion Recognition by Using YOLO Faces Detection Algorithm,” JOINCS (Journal Informatics, Network, Comput. Sci., vol. 6, no. 2, pp. 32–38, 2023, doi: 10.21070/joincs.v6i2.1629.
A. Alshammari and M. E. Alshammari, “Emotional Facial Expression Detection using YOLOv8,” Technol. Appl. Sci. Res., vol. 14, no. 5, pp. 16619–16623, 2024, [Online]. Available: https://doi.org/10.48084/etasr.8433
