Deteksi Suasana Hati Karyawan Berbasis Deep learning Menggunakan Metode Convolutional Neural Network / Michelle / 56210200 / Pembimbing: Sigit Birowo (UNPUBLISH)

Michelle, Michelle (2025) Deteksi Suasana Hati Karyawan Berbasis Deep learning Menggunakan Metode Convolutional Neural Network / Michelle / 56210200 / Pembimbing: Sigit Birowo (UNPUBLISH). Institut Bisnis Dan Informatika Kwik Kian Gie, Jakarta. (Unpublished)

	Text HALAMAN JUDUL.pdf - Published Version Download (1MB)
	Text BaB I - PENDAHULUAN.pdf - Published Version Download (593kB)
	Text BAB II - KAJIAN PUSTAKA.pdf - Published Version Download (784kB)
	Text BAB III - METODE PENELITIAN.pdf - Published Version Download (708kB)
	Text BAB IV - ANALISIS DAN PEMBAHASAN.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text BAB V - KESIMPULAN DAN SARAN.pdf - Published Version Download (592kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (587kB)
	Text LAMPIRAN.pdf - Published Version Download (1MB)
	Text ORIGINALITAS.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text RESUME.pdf - Published Version Restricted to Repository staff only Download (874kB)
	Text PERSETUJUAN RESUME.pdf - Published Version Download (728kB)

Abstract

Deteksi emosi karyawan dalam lingkungan kerja merupakan tantangan yang dapat berdampak pada produktivitas dan kesejahteraan karyawan itu sendiri. Sebagian besar sistem absesni yang ada hanya mencatat kehadiran tanpa mempertimbangkan kondisi emosional karyawan. Berdasarkan hal tersebut, penelitian ini bertujuan untuk merancang sistem deteksi suasana hati berbasis deep learning yang dapat mengenali emosi karyawan melalui ekspresi wajah karyawan saat melakukan absensi. Penelitian ini menerapkan Convolutional neural network (CNN), sebuah cabang deep learning, sebagai pendekatan utama dalam proses klasifikasi emosi dari citra wajah. Model dikembangkan menggunakan Tensorflow dan Keras, untuk Opencv Library digunakan untuk deteksi serta pemrosesan gambar. Proses evaluasi model melibatkan penggunaan metrik kinerja seperti akurasi, presisi, perolehan (recall) dan F1-score untuk mengukur efektivitas model, dengan confusion matrix digunakan untuk menilai akurasi pengelompokkan data dalam model prediktif. Seluruh implementasi dilakukan dalam bahasa pemrograman Python, yang menyediakan berbagai Pustaka untuk pemrosesan gambar dan pembalajaran mesin. Metode penelitian yang digunakan mencakup pengumpulan data dari platform Kaggle, proses pra-pemrosesan data, serta pelatihan dan pengujian model menggunakan Google colab. Sebanyak 2.059 gambar yang telah di proses menjadi dua subset: data pelatihan (80%) dan data validasi (20%). Model CNN dilatih selama 200 epoch menggunakan teknik augmentasi data agar model dapat bekerja lebih baik pada data yang diuji. Analisis data penelitian membuktikan bahwa model yang dikembangkan mencapai akurasi sebesar 89,11%. Evaluasi menggunakan confusion matrix mengindikasi bahwa model memiliki kinerja yang performa yang baik dalam mengklasifikan emosi tertentu seperti “Marah” dan “Senang”, namun masih mengalami kendala dalam membedakan emosi “Sedih” dan “Netral”. Analisis lebih lanjut menunjukkan bahwa jumlah data yang tidak seimbang dalam kategori tertentu memengaruhi performa model. Penelitian ini menyimpulkan bahwa sistem deteksi suasana hati berbasis CNN dapat menjadi alat bantu dalam menganalisis kondisi emosional karyawan. Untuk pengembangan lebih lanjut, disarankan penggunaan dataset yang lebih beragam, eksplorasi metode machine learning lainnya seperti LSTM, serta implementasi dalam sistem absensi berbasis IoT untuk pemantauan real-time. Kata kunci: Deep learning, Convolutional neural network, Face Expression, Karyawan

Actions (login required)

View Item