Pengembangan Sistem Penilaian Employee Experience Berbasis Analisis Ekspresi Wajah pada Citra Digital
DOI: https://doi.org/10.30605/rtvzan37
Employee Experience, Ekspresi Wajah, Pengolahan Citra Digital, MATLAB, K-NN
Abstract
Tujuan penelitian ini adalah mengembangkan sistem penilaian Employee Experience berbasis analisis ekspresi wajah pada citra digital guna memperoleh evaluasi yang lebih objektif terhadap kepuasan dan keterlibatan karyawan. Topik ini penting karena persepsi subjektif sering kali tidak merepresentasikan kondisi sebenarnya, sehingga diperlukan pendekatan berbasis teknologi untuk mendukung pengambilan keputusan manajemen sumber daya manusia. Penelitian ini menggunakan metode pengolahan citra digital dengan MATLAB, meliputi tahap akuisisi citra, praproses data, ekstraksi ciri menggunakan algoritma Local Binary Pattern (LBP), dan klasifikasi ekspresi wajah dengan metode K-Nearest Neighbors (K-NN). Sistem ini dirancang untuk mendeteksi enam jenis ekspresi dasar yang mencerminkan pengalaman kerja karyawan. Uji coba dilakukan pada dataset citra wajah karyawan dengan hasil akurasi pengenalan ekspresi sebesar 89,3%. Hasil tersebut menunjukkan bahwa pendekatan ini efektif dalam mengidentifikasi ekspresi emosional yang relevan dengan pengalaman kerja. Temuan penelitian ini diharapkan dapat menjadi dasar pengembangan sistem penilaian employee experience secara otomatis dan membantu perusahaan dalam merumuskan kebijakan peningkatan kesejahteraan karyawan secara lebih tepat.
Downloads
References
[1] R. Z. Agnes and Y. Yamasari, “Analisis Perbandingan Metode Pengenalan Wajah untuk Absensi Online dengan KNN dan Local Binary Pattern Histogram (LBPH),” J. Informatics Comput. Sci., vol. 5, no. 04, pp. 494–502, 2024, doi: 10.26740/jinacs.v5n04.p494-502.
[2] D. Nur Cahyo, H. Zulfia Zahro’, and N. Vendyansyah, “Pengenalan Ekspresi Mikro Wajah Dengan Ekstraksi Fitur Pada Komponen Wajah Menggunakan Metode Local Binary Pattern Histogram,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 822–829, 2023, doi: 10.36040/jati.v7i1.6167.
[3] S. N. Faadhilah, S. Bukhori, and J. A. Putra, “Pengenalan Ekspresi Emosi pada Citra Wajah Menggunakan Extreme Learning Machine Studi Kasus Dataset Publik JAFFE,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 2, pp. 19–27, 2022, doi: 10.57152/malcom.v2i2.363.
[4] Ulla Delfana Rosiani, Priska Choirina, Y. N. P. Pratiwi, and Septiar Enggar Sukmana, “Perbandingan Fase Ekspresi Menggunakan Local Binary Pattern Histogram Untuk Pengenalan Ekspresi Mikro,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 12, no. 4, pp. 303–312, 2023, doi: 10.22146/jnteti.v12i4.7818.
[5] I. P. Sari, F. Ramadhani, A. Satria, and D. Apdilah, “Implementasi Pengolahan Citra Digital dalam Pengenalan Wajah menggunakan Algoritma PCA dan Viola Jones,” Hello World J. Ilmu Komput., vol. 2, no. 3, pp. 146–157, 2023, doi: 10.56211/helloworld.v2i3.346.
[6] D. Yulianti, I. Triastomoro, and S. Sa’idah, “Identifikasi Pengenalan Wajah Untuk Sistem Presensi Menggunakan Metode Knn (K-Nearest Neighbor),” J. Tek. Inf. dan Komput., vol. 5, no. 1, pp. 1–10, 2022, doi: 10.37600/tekinkom.v5i1.477.
[7] S. Mohamad Idris, Romindo, Muhammad Munsarif, G. F. M. Wa Ode Rahma Agus Udaya Manarfa, N. Andi Asvin Mahersatillah Suradi, Lutfi Hakim, M. F. V. R. Arsan Kumala Jaya, and A. A. Andrew Tanny Liem, Pengolahan Citra: Teori dan Implementasi. 2023. [Online]. Available: https://kitamenulis.id/2023/03/22/pengolahan-citra-teori-dan-implementasi/
[8] N. Kustian, “Analisis Komponen Utama Menggunakan Metode Eigenface Terhadap Pengenalan Citra Wajah,” J. Teknol., vol. 9, no. 1, p. 43, 2017, doi: 10.24853/jurtek.9.1.43-48.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Siaulhak, Syafriadi, M.Ilham Arief
This work is licensed under a Creative Commons Attribution 4.0 International License.
