DETEKSI TINGKAT STRES DARI EKSPRESI WAJAH MENGGUNAKAN YOLOV8-CLS (STUDI PADA FER2013 & RAF-DB)

Abstrak

Pengenalan emosi wajah memiliki peran penting dalam berbagai aplikasi modern, seperti sistem kesehatan mental, keamanan, dan interaksi manusia–komputer. Namun, implementasi sistem real-time pada perangkat dengan kemampuan komputasi terbatas masih menjadi tantangan, terutama terkait kebutuhan model yang ringan tetapi tetap akurat. Penelitian ini bertujuan mengembangkan sistem deteksi emosi wajah berbasis model klasifikasi YOLOv8-Cls dengan memanfaatkan dua dataset benchmark, yaitu FER2013 dan RAF-DB. Tahap awal penelitian mencakup konversi data piksel mentah FER2013 ke format citra RGB, pra-pemrosesan data, serta penyusunan struktur direktori yang sesuai dengan arsitektur YOLO. Model dilatih menggunakan konfigurasi ringan berupa yolov8n-cls dengan ukuran citra 64×64, batch size 16, dan 50 epoch pada perangkat CPU. Evaluasi dilakukan menggunakan metrik train loss, validation loss, akurasi top-1, dan akurasi top-5. Hasil menunjukkan akurasi top-1 sebesar 65,44% pada FER2013 dan 80,54% pada RAF-DB, dengan akurasi top-5 di atas 98% pada kedua dataset. Model kemudian diuji secara real-time melalui integrasi deteksi wajah dan klasifikasi emosi, termasuk pemetaan tingkat stres berdasarkan kategori emosi. Penelitian ini menunjukkan bahwa YOLOv8-Cls mampu memberikan performa kompetitif pada lingkungan komputasi terbatas serta berpotensi menjadi dasar bagi sistem analisis emosi di berbagai aplikasi praktis.