FECTOR : FACE EMOTION DETECTOR SEBAGAI PENUNJANG EFEKTIVITAS DALAM PEMBELAJARAN DARING (DALAM JARINGAN)

Abstract

Pandemi Covid-19 yang terjadi di Indonesia membawa dampak besar bagi bidang pendidikan, penerapan sistem pembelajaran daring (dalam jaringan) menggunakan platform conference meeting yang merupakan metode baru bagi mahasiswa dan dosen dalam proses pembelajaran pada masa pandemi yang berdampak terhadap efektifitas pembelajaran daring seperti kurangnya pemahaman materi serta minimnya antusiasme mahasiswa dalam pembelajaran daring, sehingga penulis merancang sistem fector ( face emotional detector) yang bertujuan untuk mengevaluasi tingkat pemahaman mahasiswa terhadap materi yang dipaparkan oleh dosen dan mendorong antusiasme mahasiswa dalam berinteraksi dengan dosen ketika pembelajaran daring. Sistem fector yang penulis kembangkan merupakan subdomain dari metode kecerdasan buatan pada bidang image processing, dengan menerapkan metode kombinasi dari model viola jones yang digunakan untuk mendeteksi wajah pada suatu gambar berdasarkan ekstraksi fitur berupa local binary pattern (LBP) serta model visual geometry group-16 (VGG-16) yang terdiri dari lapisan convolutional, pooling, dan fully connected sehingga model VGG-16 dapat berfungsi sebagai lapisan untuk proses ekstraksi fitur dan klasifikasi ekspresi wajah, kemudian  menggunakan dataset FER-2013 sebagai dataset awal yang digunakan dalam pengembangan model ekspresi wajah, dan metrik pengukuran performa model untuk menguji. Hasil akhir dari implementasi sistem fector adalah penerapan sistem fector pada pembelajaran daring baik secara real time maupun berdasarkan video hasil rekaman pembelajaran daring dengan dengan berbagai tahapan pengujian sistem didapatkan hasil akhir rata-rata yaitu 75.17%, nilai akhir yang penulis dapatkan merupakan nilai yang cukup baik dalam pengimplementasian pada real case scenario.