Implementasi Convolutional Neural Network Untuk Klasifikasi Deteksi Emosi Wajah Secara Real-Time Berbasis Web Implementation of Convolutional Neural Network for Web-Based Real-Time Facial Emotion Detection Classification
Article Sidebar
Main Article Content
Abstract
Perkembangan teknologi Human-Computer Interaction (HCI) menuntut sistem yang mampu memahami kondisi emosional pengguna secara otomatis, namun metode konvensional seringkali terkendala oleh variasi ekspresi dan pencahayaan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam mengklasifikasikan tujuh emosi dasar wajah secara real-time melalui platform berbasis web. Metode penelitian menggunakan pendekatan eksperimental dengan model pengembangan Waterfall, memanfaatkan dataset FER2013 untuk melatih model CNN yang kemudian diintegrasikan dengan OpenCV dan TensorFlow.js untuk pemrosesan sisi klien. Sistem dirancang untuk menerima input dari webcam maupun rekaman layar guna mendukung observasi pembelajaran daring. Hasil pengujian terhadap 10 responden guru menunjukkan bahwa sistem mampu bekerja dengan rata-rata akurasi keseluruhan sebesar 65,4%. Evaluasi persepsi pengguna menggunakan skala Likert menghasilkan skor interpretasi sebesar 85,2%, yang mengindikasikan bahwa sistem masuk dalam kategori sangat baik dan layak digunakan sebagai alat bantu monitoring emosi dalam interaksi digital.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
References
Alam, T. H. I., & Windiarti, I. S. (2025). The Future of Artificial Intelligence in Interactive Learning: Trends, Challenges, Opportunities. Engineering Proceedings, 84(1), 87.
Arriaga, O., Valdenegro Toro, M., & Plöger, P. (2017). Real-time convolutional neural networks for emotion and gender classification. https://arxiv.org/abs/1710.07557
Amalia, P., & Pratama, D. (2025). Implementasi CNN dengan Adam optimizer dalam deteksi emosi wajah real-time. Jurnal Vokasi Teknologi (JUVOTEK), 6(2), 45–53. https://mentech.id/ojs/index.php/juvotek/article/view/321
Edy, M. R. (2024). Implementasi Convolutional Neural Network (CNN) untuk deteksi emosi wajah berbasis dataset FER2013. Jurnal Teknologi Informasi dan Aplikasinya (JTIA), 12(1), 15–22. https://jurnal.unsur.ac.id/JTIA/article/view/512
Gunawan, A. A. N., Windiarti, I. S., Nasution, U. B., Utomo, S. T., & Asuhadi, S. (2024). Investigating the Role of Digital Transformation, Digital Knowledge Management and Digital Innovation on Sustainable Performance (SDG) of SMES. Journal of Lifestyle and SDGs Review, 4(3), e02047-e02047
Guntoro, S., Julianto, E., & Budiyanto, D. (2022). Pengenalan ekspresi wajah menggunakan Convolutional Neural Network. Jurnal Informatika Atma Jogja, 3(2), 155–160. https://ojs.uajy.ac.id/index.php/jiaj/article/view/6790
Jogiyanto, H. M. (1992). Analisis dan desain sistem informasi: Pendekatan terstruktur teori dan praktek aplikasi bisnis. Andi Offset.
Meika, I., Sartika, N. S., Sujana, A., Jarinah, J., Hakim, Z., Windiarti, I. S., & Hendra, H. (2025). E-didactics design of differential calculus based on TPACK to overcome learning obstacles for mathematics pre-service teachers. Infinity Journal, 14(3), 733-752.
Miftahurrizqi, M., Windiarti, I. S., & Prabowo, A. (2021). Analisis Keamanan Sistem Pada Sistem Informasi Akademik Menggunakan Cobit 5 Framework Pada Sub Domain Dss05. Jurnal Sains Komputer Dan Teknologi Informasi, 3(2), 75-80.
Miftahurrisqi, M., Windiarti, I. S., & Haryanto, D. (2021). Edukasi dan Peningkatan Kompetensi It-Security Dan E-Commerce Bagi Mahasiswa Ma’had Asy-Syafi'i Universitas Muhammadiyah Palangkaraya. Edukasi dan Peningkatan Kompetensi It-Security Dan E-Commerce Bagi Mahasiswa Ma’had Asy-Syafi'i Universitas Muhammadiyah Palangkaraya, 4(3), 963-969.
Morales, A. E. C., Maisu, M. A., Windiarti, I. S., & Musa, E. I. O. (2023). Competent Teacher Ideal Professional Certified Character and Progressive Perspective of Kitab Al-Rasul Al-Muallim. Solo Universal Journal of Islamic Education and Multiculturalism, 1(02), 84-95.
Nuswantoro, S. A., Ulfi, M., Windiarti, I. S., & Ziaurrahman, M. (2025). Pelatihan peningkatan Keterampilan Microsoft Office di SMAN 4 Palangka Raya.
Prabowo, A., Kaestria, R., & Windiarti, I. S. (2020). Students’ Engagement In Cyber Security Knowledgeability. International Journal of Advanced Science and Technology (IJAST), 29(4), 9969-9979.
Prabowo, A., Kaestria, R., Windiarti, I. S., & Sulistyowati, S. (2021). Kerangka Kerja Pelatihan Cybersecurity Untuk Siswa Sekolah Menengah Pertama dan Atas (SMP-SMA). Jurnal Sains Komputer dan Teknologi Informasi (JSAKTI), 4(1), 72-80.
Prayogo, R. A., & Santoso, H. (2023). Analisis dataset FER2013 untuk pengenalan ekspresi wajah menggunakan CNN. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), 7(6), 1234–1242. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/14081
Ryan, H. (2024, March 14). Apa itu Akurasi, Precision, Recall, F1-score? Rumus & Cara Menghitungnya. HaloRyan.com. https://haloryan.com/blog/apa-itu-akurasi-precision-recall-F1-score-rumus-cara-menghitungnya
Sholehah, F. A., Windiarti, I. S., & Qamaruzzaman, M. H. (2023). Rancang Bangun Game Edukasi Pengenalan Huruf Hijaiyah Menggunakan Construct 2. Jurnal Sains Komputer Dan Teknologi Informasi, 6(1), 78-82.
Sujanaa, J., & Palanivel, S. (2020). Real-time video based emotion recognition using Convolutional Neural Network and transfer learning. Indian Journal of Science and Technology, 13(34), 3523–3533. https://indjst.org/articles/real-time-video-based-emotion-recognition-using-convolutional-neural-network-and-transfer-learning
Sutarti, & Syaqialloh, F. (2025). Klasifikasi dan pengenalan emosi wajah menggunakan CNN-BiLSTM dengan data augmentation. Decode: Jurnal Informatika UPR, 8(1), 33–42. https://journal.umkendari.ac.id/index.php/decode/article/view/987
Syaufina, T., & Islamadina, R. (2022). Deep learning untuk pengenalan ekspresi wajah menggunakan CNN. Jurnal Ilmu Komputer Indonesia (JIKI). https://scholar.ummetro.ac.id/index.php/jiki/article/view/7440
Sihombing, R. S., Sitompul, T., & Sitorus, V. (2023). Pengenalan ekspresi wajah menggunakan CNN MobileNetV2. Journal of Creative Student Research (JCSR), 1(6), 89–97. https://ejurnal.politeknikpratama.ac.id/index.php/ jcsr/article/view/3046
Windiarti, I. S. (2021). Kajian Literatur Trend Penelitian Di Bidang Informatika Dan Komputer Untuk Dosen Dan Mahasiswa. Jurnal Sains Komputer dan Teknologi Informasi (JSAKTI), 3(2), 114-118.
Windiarti, I. S., Anggatama, J., & Qamaruzzaman, M. H. (2024). Mengoptimalkan Pelayanan Pendidikan Melalui Perancangan Website Sekolah Berbasis Web Mobile (Studi Kasus: Smp Negeri 3 Palangka Raya). PEDAMAS (PENGABDIAN KEPADA MASYARAKAT), 2(01), 275-283.
Windiarti, I. S., Bahri, S., & Prabowo, A. (2023). Melangkah maju dengan teknologi generative AI: Peningkatan kompetensi kepala sekolah SMP di Kota Palangkaraya. PARTA: Jurnal Pengabdian Kepada Masyarakat, 4(1), 46–52. https://doi.org/10.38043/parta.v4i1.4344
Windiarti, I. S., & Miftahurrizqi, M. (2022). Perencanaan Implementasi Komputasi Awan Pada Infrastruktur Teknologi dan Sistem Informasi di UMPR: Implementation Of Cloud Computing Planning in Technology and Information Systems Infrastructure at Muhammadiyah University of Palangkaraya. Jurnal Sains Komputer dan Teknologi Informasi, 4(2), 59-64.
Xu, S., Cheng, Y., Lin, Q., & Allebach, J. P. (2025). Emotion recognition using convolutional neural networks. arXiv preprint arXiv:2504.03010. https://arxiv.org/abs/2504.03010
Yaakub, S., Pranoto, W. J., Windiarti, I. S., & Priyanti, R. (2025). Transforming Rural Education with Digital Assessment Tools: A Case Study of Socrative in Sarolangun, Indonesia. Jurnal Abdimas UM Jambi, 2(1), 27-33.
Yulis Nuryanti. (2017). Analisis PIECES sebagai alat bantu evaluasi sistem informasi. Jurnal Teknologi Informasi, 8(1), 12–20.