KLASIFIKASI EMOSI WAJAH MANUSIA (HAPPY, SAD, ANGRY, NEUTRAL) DARI CITRA MENGGUNAKAN GOOGLE TEACHABLE MACHINE

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan emosi wajah manusia berdasarkan ekspresi citra digital
menggunakan platform Google Teachable Machine. Empat kategori emosi yang digunakan dalam klasifikasi ini
adalah bahagia, sedih, marah, dan datar. Data dikumpulkan dari berbagai platform daring seperti Pinterest, Freepik,
dan lainnya, kemudian melalui proses cleaning untuk mengelompokkan dataset sesuai kelas dan menghapus
duplikasi atau data yang tidak relevan. Model dilatih menggunakan metode transfer learning dengan pengaturan
parameter seperti epoch, batch size, dan learning rate. Tiga model dilatih dengan konfigurasi berbeda, dan model
ketiga (epoch 300, batch size 32, learning rate 0.0001) memberikan hasil terbaik dengan akurasi tinggi dan
distribusi klasifikasi yang seimbang pada keempat kelas. Prototipe dari model ini di-deploy menggunakan fitur
cloud shareable export pada Teachable Machine, menghasilkan aplikasi berbasis web yang dapat langsung
digunakan melalui webcam atau unggahan gambar, serta kompatibel dengan perangkat smartphone. Hasil
penelitian menunjukkan bahwa Teachable Machine tidak hanya mampu menghasilkan model klasifikasi ekspresi
wajah yang akurat, tetapi juga dapat digunakan sebagai alat validasi dataset secara cepat dan efisien.