Analisis Perbandingan Kinerja Algoritma Yolov8 Hingga Yolov12 Untuk Deteksi Emosi Pada Ekspresi Wajah.

Abstract

Pengenalan emosi semakin menjadi fokus penelitian yang populer karena meningkatnya kesadaran akan peran penting emosi dalam dinamika sosial dan dampaknya di berbagai sektor, sehingga relevan untuk aplikasi seperti pemasaran produk dan dukungan kesehatan mental. Algoritma YOLO (You Only Look Once) dikenal karena kemampuannya dalam mendeteksi objek secara real-time dengan cepat dan efektif, dengan studi awal yang menunjukkan potensi YOLO untuk menawarkan akurasi yang lebih baik dibandingkan dengan metode alternatif seperti CNN dan Faster R-CNN. Penelitian ini diarahkan untuk mengimplementasikan dan menguj kinerja serangkaian versi algoritma YOLO mulai dari YOLOv8n hingga YOLOv12n dalam pendeteksian emosi wajah, dengan tujuan utama untuk mengidentifikasi model yang mampu mencapai mean Average Precision (mAP) yang paling optimal. Pendekatan metodologis dalam penelitian ini mengandalkan dataset KDEF, yang terdiri dari 1.468 gambar wajah yang mewakili tujuh ekspresi emosional dasar: marah, jijik, takut, senang, netral, sedih, dan terkejut. Dataset ini kemudian dipartisi dengan rasio 80% untuk tujuan pelatihan (1.175 gambar) dan 20% untuk validasi (293 gambar). Proses anotasi atau pelabelan data dibantu oleh platform Roboflow. Selanjutnya, model YOLO menjalani pelatihan dengan konfigurasi hyperparameter tertentu, yaitu ukuran batch 32, epoch 100, dan resolusi gambar 640x640. Alur kerja penelitian meliputi beberapa tahap: akuisisi data, pelabelan data, partisi data, konfigurasi hyperparameter, pelatihan model, hingga pengujian model, yang juga mencakup uji inferensi menggunakan gambar dari video dataset RAVDESS dan gambar yang diambil secara langsung. Temuan dari pengujian yang dilakukan mengkonfirmasi bahwa model YOLOv12n secara konsisten menunjukkan kinerja yang unggul dibandingkan dengan model lainnya. YOLOv12n berhasil mencatat nilai peak recall sebesar 0,986 dan mAP50 tertinggi mencapai 0,993, dengan tetap mempertahankan waktu inferensi sebesar 2,9 milidetik. Selain itu, model ini menunjukkan keseimbangan nilai loss antara data pelatihan dan validasi, yang mencerminkan kemampuan generalisasi dan risiko overfitting yang rendah. Dalam pengujian inferensi menggunakan video dari RAVDESS, YOLOv12n mampu mengklasifikasikan semua emosi dengan satu kesalahan. Demikian pula, ketika diuji pada gambar khusus yang menampilkan banyak wajah, model ini juga menunjukkan tingkat deteksi yang tepat, meskipun ada satu contoh kesalahan klasifikasi emosi.