Pengenalan Micro Expression Penderita Anxiety dengan Menggunakan Machine Learning

Fina Orivia Nurfadillah

Abstrak

Gangguan kecemasan (anxiety) merupakan salah satu permasalahan Kesehatan mental dengan prevelensi tinggi, khususnya pada kalangan remaja dan mahasiswa. Gejala kecemasan dapat teridentifikasi melalui perubahan ekspresi wajah, termasuk mikro ekspresi yang berlangsung secara sangat singkat dan sering kali tidak disadari. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini Tingkat kecemasan berdasarkan analisis mikro ekspresi wajah pada area alis dan mulut. Metode Phase-Only Correlation All Block Search (POC-ABS) digunakan sebagai Teknik ekstraksi fitur, yang kemudian dikombinasikan dengan beberapa metode seleksi fitur yaitu Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), dan 4-Quadrant Motion Vector (4QMV). Proses klasifikasi dilakukan menggunakan algoritma Support Vector Machine (SVM). Dataset penelitian diperoleh dari mahasiswa Jurusan Teknologi Informasi Politeknik Negeri Malang melalui perekaman video wajah berdurasi 10 detik dalam kondisi netral, yang kemudian divalidasi oleh pakar psikologi. Dari 20 video yang direkam, dihasilkan 53.455 data frame yang digunakan untuk proses pelatihan, validasi, dan pengujian model. Hasil penelitian menunjukkan bahwa penerapan seleksi fitur dapat meningkatkan performa model. Metode PCA menghasilkan akurasi tertinggi sebesar 93,56%, diikuti oleh LDA sebesar 91,24% dan 4QMV sebesar 90,78%. Dengan demikian, dapat disimpulkan bahwa analisis mikro ekspresi wajah menggunakan metode Phase-Only Correlation All Block Search (POC-ABS), seleksi fitur, dan SVM merupakan pendekatan yang efektif untuk deteksi dini gangguan kecemasan. Penelitian ini diharapkan dapat mendukung pengembangan sistem deteksi berbasis Machine Learning pada bidang kesehatan mental.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7