Pengembangan Fitur Face Emotion Recognition Sebagai Analisis Emosi Positif Dan Negatif Terhadap Modul Pembelajaran Online Pada Platform Web Learning Management System Dengan Arsitektur Mern

Wardaya, Utara Setya and Dr. Eng. Fitra Abdurrachman Bachtiar, S.T., M.Eng. (2024) Pengembangan Fitur Face Emotion Recognition Sebagai Analisis Emosi Positif Dan Negatif Terhadap Modul Pembelajaran Online Pada Platform Web Learning Management System Dengan Arsitektur Mern. Sarjana thesis, Universitas Brawijaya.

Abstract

Pembelajaran merupakan proses yang melibatkan transfer ilmu secara progresif, mencakup komponen fisik dan psikologis individu pembelajar. Emosi memainkan peran penting dalam keberhasilan pembelajaran, namun sering diabaikan dalam konteks pembelajaran online. Teknologi deteksi emosi wajah dan analisis emosi menawarkan solusi untuk mengenali dan mengakomodasi emosi siswa secara efektif dalam lingkungan pembelajaran digital. Penggunaan sistem manajemen pembelajaran berbasis arsitektur MERN (MongoDB, Express.js, React.js, Node.js) juga menjadi krusial dalam mendukung fleksibilitas dan responsivitas platform pembelajaran online. Penelitian ini menggunakan model Agile yang direncanakan dan disusun secara sistematis. Model Agile merupakan pendekatan yang memungkinkan penyesuaian terus-menerus selama pengembangan. Penelitian ini bertujuan untuk mengintegrasikan kecerdasan buatan dalam sistem e-learning untuk mendeteksi dan mengevaluasi emosi siswa, sehingga memungkinkan pengembangan metode pembelajaran online yang lebih baik. Proses perancangan menurut Metode Agile melibatkan analisis kebutuhan, pemodelan dengan UML (Use Case, Activity Diagram, Sequence Diagram, dan Class Diagram), serta implementasi basis data dan kode program. Pengembangan backend difokuskan pada pengelolaan basis data, pengaturan server, dan integrasi API, sementara frontend dirancang untuk antarmuka pengguna yang responsif dan intuitif. Pengujian dilakukan menggunakan metode Black Box, White Box, dan User Acceptance Testing (UAT), yang menunjukkan hasil 100% valid untuk fungsionalitas sistem dan 94% untuk penerimaan pengguna. Hasil penelitian menunjukkan bahwa deteksi emosi dapat berjalan dengan baik pada e-learning, dan analisis emosi siswa juga dapat meningkatkan kualitas pembelajaran, dengan kondisi emosi yang positif menghasilkan nilai yang lebih baik

English Abstract

Learning is a process that involves the progressive transfer of knowledge, encompassing both the physical and psychological components of the learner. Emotions play a critical role in the success of learning, yet they are often overlooked in the context of online learning. Facial emotion detection and emotion analysis technologies offer solutions to effectively recognize and accommodate students' emotions in digital learning environments. The use of learning management systems (LMS) based on the MERN architecture (MongoDB, Express.js, React.js, Node.js) is also crucial in supporting the flexibility and responsiveness of online learning platforms. This study employs an Agile model that is systematically planned and structured. The Agile model is an approach that allows for continuous adjustments during development. The research aims to integrate artificial intelligence into the e-learning system to detect and evaluate students' emotions, thereby enabling the development of better online learning methods. The design process, according to the Agile Method, involves needs analysis, modeling with UML (Use Case, Activity Diagram, Sequence Diagram, and Class Diagram), as well as the implementation of the database and program code. The backend development focuses on database management, server configuration, and API integration, while the frontend is designed to be a responsive and intuitive user interface. Testing was conducted using Black Box, White Box, and User Acceptance Testing (UAT) methods, showing 100% validity for system functionality and 94% for user acceptance. The results of the study indicate that emotion detection can function well in e-learning, and the analysis of students' emotions can also enhance the quality of learning, with positive emotional states leading to better performanc

Item Type:	Thesis (Sarjana)
Identification Number:	0524150327
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	06 Dec 2024 08:14
Last Modified:	06 Dec 2024 08:14
URI:	http://repository.ub.ac.id/id/eprint/230462

Text (DALAM MASA EMBARGO) Utara Setya Wardaya.pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item