PERBANDINGAN KINERJA ALGORITMA CONVOLUTIONAL NEURAL NETWORKS (CNN) DAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI WAJAH MANUSIA

Pengenalan ekspresi wajah memainkan peran penting dalam berbagai bidang, termasuk pemantauan kesehatan mental, sistem keamanan, dan interaksi manusia-komputer. Studi ini membandingkan kinerja algoritma Convolutional Neural Networks (CNN) dan Support Vector Machine (SVM) dalam mengklasifikasikan gambar ekspresi wajah manusia ke dalam kategori stres dan non-stres. Dataset yang digunakan terdiri dari gambar ekspresi wajah yang telah diberi label dengan berbagai ekspresi, yang telah diproses sebelumnya melalui konversi ke skala abu-abu dan pengubahan ukuran untuk konsistensi. CNN diimplementasikan karena kemampuannya dalam mengekstraksi fitur spasial secara otomatis, sedangkan SVM digunakan sebagai tolok ukur pendekatan pembelajaran mesin tradisional. Model dilatih dan diuji menggunakan pembagian dataset yang sama untuk memastikan evaluasi yang adil. Hasil menunjukkan bahwa CNN mencapai akurasi, presisi, dan recall yang lebih tinggi dibandingkan SVM, yang mengindikasikan kemampuan generalisasi dan pembelajaran fitur yang lebih baik. Namun, SVM menunjukkan waktu pelatihan yang lebih cepat dan struktur model yang lebih sederhana. Penelitian ini menyoroti keunggulan pembelajaran mendalam dibandingkan metode konvensional dalam tugas klasifikasi citra yang kompleks seperti pengenalan ekspresi wajah.