Hasibuan, Muhammad Adhiguna (2025) OPTIMALISASI TEKNIK SPLITTING DATA PADA ALGORITMA RANDOM FOREST DALAM PENGOLAHAN DATA GERAK WAJAH DAN KEPALA. S1 thesis, UNIVERSITAS MALIKUSSALEH.

	Text COVER.pdf Download (22kB)
	Text ABSTRAK.pdf Download (151kB)
	Text BAB I.pdf Download (163kB)
	Text DAFTAR PUSTAKA.pdf Download (385kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Deteksi depresi secara otomatis melalui analisis ekspresi wajah dan gerakan kepala menjadi bidang yang semakin penting dalam pengembangan sistem cerdas berbasis kecerdasan buatan. Penelitian ini bertujuan untuk mengoptimalkan teknik pembagian data (data splitting) pada algoritma Random Forest dalam upaya meningkatkan akurasi dan efisiensi klasifikasi episode depresi. Data yang digunakan berasal dari dataset Beyond Smile Challenge yang terdiri dari lebih dari 286.074 entri data gerak wajah dan kepala dari 25 partisipan. Proses penelitian melibatkan tahapan pra-pemrosesan data, ekstraksi fitur penting seperti Action Units (AU), struktur wajah, dan probabilitas mata terbuka, serta penerapan teknik normalisasi. Evaluasi performa model dilakukan menggunakan pendekatan LeaveOne-Participant-Out (LOPO) Cross-Validation untuk menguji generalisasi antar individu. Hasil evaluasi menunjukkan bahwa model Random Forest mampu mencapai akurasi rata-rata sebesar 84,1%, dengan nilai precision 74,7%, recall 86,2%, F1-score 78,5%, dan AUC 90,3%. Temuan ini membuktikan bahwa strategi splitting data yang tepat dapat secara signifikan meningkatkan kinerja algoritma Random Forest dalam klasifikasi kondisi depresi berbasis data non-verbal. Penelitian ini memberikan kontribusi dalam pengembangan sistem deteksi depresi yang andal serta menawarkan panduan optimalisasi splitting data untuk studi lanjutan.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Muhammad Adhiguna Hasibuan
Date Deposited:	22 Apr 2026 02:52
Last Modified:	22 Apr 2026 02:52
URI:	https://rama.unimal.ac.id/id/eprint/19483

Actions (login required)

View Item