Pengembangan Sistem Rekomendasi Pada Pemutar Musik Menggunakan Face Emotion Detection dan Resnet Berbasis Website

Development of Music Player Recommendation System Using Face Emotion Detection and Resnet Web Based

    Berkembangnya teknologi digital yang pesat diikuti dengan perkembangan perangkat lunak yang dirancang menggunakan berbagai bahasa pemrograman yang populer saat ini seperti Python dan Laravel yang banyak digunakan programmer untuk membuat sebuah web sehingga mendukung perangkat lunak berbasis website seperti sistem pemutar musik berbasis web. Musik di era digital cenderung mudah diakses hanya dengan menggunakan aplikasi ataupun website. Semakin banyaknya orang yang mendengarkan musik melalui platform streaming maupun layanan digital yang sesuai dengan emosi yang sedang dialami, hal ini membuktikan bahwa emosi berpengaruh besar pada rekomendasi musik. Sebagian besar pemutar musik yang sudah ada di Indonesia saat ini pengguna masih mencari musik secara manual atau mencari berdasarkan rekomendasi rilis terbaru. Di Indonesia pun masih jarang ditemukan sistem pemutar musik yang dilengkapi dengan fitur kamera untuk mendeteksi emosi wajah guna menampilkan rekomendasi playlist musik yang sesuai dengan mood, emosi atau suasana hati.

    Pada penelitian ini, maka penulis akan membuat sistem rekomendasi pada pemutar musik berdasarkan deteksi emosi wajah secara real-time sehingga pengguna dapat mendengarkan musik sesuai dengan kondisi atau suasana hati yang sedang dialami secara real-time juga dengan menggunakan Resnet dan Optimasi Adam.

    Hasil pada penelitian ini, diperoleh akurasi model Resnet yaitu Accuracy Test sebesar 68,72%, Accuracy Training sebesar 76,98% dan Validation Accuracy sebesar 68,69%. Untuk sistem dan kesesuaian prediksi emosi dengan rekomendasi musik diuji dengan survey kepuasan pengguna. Saran yang dapat disampaikan untuk pengembangan selanjutnya yaitu melanjutkan penelitian dengan mengembangkan model ResNet50 dengan akurasi model yang lebih tinggi lagi untuk menambah keakuratan model yang akan berpengaruh pada prediksi emosi.

Kata Kunci : Musik, Face Detection, Emosi, Resnet, Optimasi Adam

    The rapid development of digital technology has been followed by the development of software designed using various currently popular programming languages such as Python and Laravel which are widely used by programmers to create websites so that they support website-based software such as web-based music player systems. Music in the digital era tends to be easily accessible just by using an application or website. More and more people are listening to music via streaming platforms and digital services that match the emotions they are experiencing, this proves that emotions have a big influence on music recommendations. Most of the existing music players in Indonesia currently use users who still search for music manually or search based on recommendations for the latest releases. In Indonesia, it is still rare to find a music player system that is equipped with a camera feature to detect facial emotions in order to display recommendations for music playlists that suit your mood, emotion or mood. 

    In this research, the author will create a recommendation system for music players based on real-time facial emotion detection so that users can listen to music according to the condition or mood they are experiencing in real-time also by using Resnet and Adam Optimization.

    The results of this research showed that the accuracy of the Resnet model was Test Accuracy of 68.72%, Training Accuracy of 76.98% and Validation Accuracy of 68.69%. The system and its suitability for emotional prediction with music recommendations were tested using a user satisfaction survey. Suggestions that can be given for further development are continuing research by developing the ResNet50 model with even higher model accuracy to increase the accuracy of the model which will affect emotional predictions.

Keywords: Music, Face Detection, Emotion, Resnet, Adam Optimization