UBHINUSUBHINUS

SMATIKA JURNALSMATIKA JURNAL

Penelitian ini bertujuan untuk mengembangkan sebuah model yang dapat mendeteksi emosi dengan menggunakan arsitektur MobileNetV2 dalam terapi untuk individu yang mengalami alexithymia. Model ini menggunakan data FER-2013, yang terdiri dari 35.887 gambar wajah grayscale dalam 7 kategori emosi.

Model yang dikembangkan mencapai akurasi pelatihan sebesar 67,7% dan akurasi validasi sebesar 65,3%, menunjukkan kemampuan yang signifikan dalam mengenali dan mengklasifikasikan emosi dari citra wajah.Penelitian ini mengimplikasikan potensi pengembangan sistem yang dapat mendukung terapi psikologis, khususnya untuk membantu individu dengan alexithymia dalam memahami dan mengelola emosi mereka melalui analisis ekspresi wajah.

Penelitian lanjutan dapat dilakukan untuk meningkatkan akurasi dan validitas model, serta mengembangkan sistem yang lebih efektif dalam mendukung terapi psikologis. Selain itu, penelitian dapat dilakukan untuk mengintegrasikan model ini dengan teknologi lain, seperti pengenalan suara atau analisis teks, untuk meningkatkan kemampuan dalam mendeteksi emosi. Penelitian juga dapat dilakukan untuk mengembangkan model yang dapat mendeteksi emosi pada berbagai kondisi, seperti dalam situasi stres atau kecemasan.

  1. 0. 0 doi.org/10.3389/fpsyg.2013.008610 0 doi 10 3389 fpsyg 2013 00861
  2. KECEMASAN SOSIAL, KECENDERUNGAN ALEXITHYMIA DAN ADIKSI INTERNET PADA MAHASISWA | Jurnal Psikologi. kecemasan... doi.org/10.35760/psi.2021.v14i1.3439KECEMASAN SOSIAL KECENDERUNGAN ALEXITHYMIA DAN ADIKSI INTERNET PADA MAHASISWA Jurnal Psikologi kecemasan doi 10 35760 psi 2021 v14i1 3439
  1. #kecemasan sosial#kecemasan sosial
  2. #deep learning#deep learning
Read online
File size539.67 KB
Pages10
Short Linkhttps://juris.id/p-2Wg
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test