Skripsi

Pengembangan deteksi ketakutan pemain dalam game horror berdasarkan ekspresi menggunakan model CNN / Muchamad Andis Setiawan

Abstrak
PENGEMBANGAN DETEKSI KETAKUTAN PEMAIN DALAM GAME HORROR BERDASARKAN EKSPRESI MENGGUNAKAN MODEL CNN adalah langkah inovatif untuk menciptakan pengalaman bermain yang lebih imersif. Penelitian ini mengembangkan sistem berbasis Convolutional Neural Networks (CNN) yang mampu mendeteksi ekspresi takut dari wajah pemain secara real-time. Data wajah diolah menggunakan dataset FER-2013 yang diklasifikasikan menjadi dua kategori takut dan tidak takut. Model yang dikembangkan diintegrasikan ke dalam platform Unity memungkinkan penyesuaian tingkat kesulitan permainan berdasarkan ekspresi pemain. Hasil penelitian menunjukkan bahwa sistem deteksi ekspresi memiliki akurasi 76 83% dengan performa yang stabil dalam berbagai kondisi pencahayaan dan orientasi wajah. Sistem ini juga memungkinkan permainan untuk merespons secara adaptif terhadap emosi pemain meningkatkan intensitas tantangan saat ekspresi takut terdeteksi. Diharapkan penelitian ini dapat memberikan kontribusi bagi pengembangan teknologi game berbasis emosi memperkaya pengalaman bermain serta membuka peluang penelitian lebih lanjut di bidang computer vision dan interaksi manusia-komputer.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2025.

Deskripsi Fisik

xiv, 31 hlm. : ilus.

Bahasa

Indonesia

No Reg

1421/RS/25

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2025

Subjek

1. MODEL CNN - DETEKSI KETAKUTAN - GAME HORROR
2. CNN MODEL - FEAR DETECTION - HORROR GAME

Pembimbing

1. Harits Ar Rosyid, S.t., M.t., Ph.d

Lampiran Berkas