Identifikasi Potensi Gangguan Bipolar melalui Fluktuasi Ekspresi Wajah Makroskopik Berbasis Action Unit dengan Metode Multi-Layer Perceptron dan Support Vector Machine [IAU, ENY]

Abstract

Gangguan bipolar merupakan kondisi kejiwaan yang sulit didiagnosis secara dini karena gejalanya sering kali menyerupai gangguan depresi unipolar. Ketergantungan pada wawancara klinis yang bersifat subjektif menyebabkan kesalahan diagnosis yang berdampak pada keterlambatan penanganan dan penurunan kualitas hidup pasien. Penelitian ini bertujuan untuk mengem bangkan pendekatan klasifikasi gangguan bipolar yang lebih objektif dengan memanfaatkan data ekspresi wajah makroskopik berupa Action Unit (AU). Fitur AU diekstraksi dari dataset publik dan digunakan sebagai masukan bagi dua model klasifikasi, yaitu Multi-Layer Perceptron (MLP) dan Support Vector Machine (SVM). Melalui pendekatan ini, penelitian diharapkan dapat menyajikan metode klasifikasi gangguan bipolar yang sederhana namun informatif, sebagai alternatif pendukung proses diagnosis yang lebih akurat dan efisien.