HANIF MUTHIAR TSANI Primary Author mixed material bibliography BANDUNG TEKNIK INFORMATIKA UNLA 2006 monographic id INDONESIA

Text

Permasalahan stres yang dialami individu dapat berdampak pada kesehatan mental dan produktivitas apabila tidak terdeteksi sejak dini. Perkembangan teknologi kecerdasan buatan memungkinkan deteksi kondisi stres dilakukan secara objektif melalui analisis ekspresi wajah. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model prediksi stres berbasis ekspresi wajah menggunakan pendekatan hibrida Convolutional Neural Network (CNN) dan Random Forest. Dataset Facial Expression Recognition dipetakan ke dalam dua kelas, yaitu stres dan non-stres, untuk mendukung klasifikasi biner. CNN digunakan sebagai feature extractor untuk mengekstraksi fitur visual citra wajah, sedangkan Random Forest digunakan sebagai algoritma klasifikasi akhir. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model CNN memperoleh akurasi sebesar 75%, Random Forest sebesar 68%, sedangkan model Hybrid CNN–Random Forest menghasilkan akurasi tertinggi sebesar 85% dengan rata-rata precision 0,86, recall 0,85, dan F1 score 0,85. Hasil tersebut menunjukkan bahwa kombinasi CNN dan Random Forest mampu meningkatkan performa klasifikasi dibandingkan penggunaan masing masing model secara terpisah. Model yang dihasilkan kemudian diimplementasikan dalam sistem berbasis API dan aplikasi Mobile untuk melakukan prediksi stres secara real-time. Prediksi Stres, Ekspresi Wajah, Convolutional Neur NONE Repository Universitas Langlangbuana Sistem Repository Elektronik Skripsi, Tesis, Desertasi dan Penelitian Dosen Universitas Langlangbuana TI 220028 My Library cover Lembar Pengesahan ABSTRAK ABSTRAK BAB I BAB II BAB V DAFTAR PUSTAKA LAMPIRAN Cover_HANIF_MUTHIAR_TSANI.jpg.jpg 4110 2026-06-04 14:15:50 2026-06-04 14:16:33 machine generated