Beranda Berita Gabung Riset
Kegiatan Penelitian
Hibah Internal Udinus 2025

ICON-Net : Integrasi Continual Learning dalam Deteksi Emosi Adaptif untuk Meningkatkan Kecerdasan Emosional Asisten Virtual

Tim Peneliti / Pelaksana
Ardytha Luthfiarta, Adhitya Nugraha, Junta Zeniarja
Skema / Program
Penelitian Dasar Perguruan Tinggi

Abstrak / Deskripsi

Asisten virtual berbasis teks, seperti chatbot akademik di universitas, telah menjadi bagian penting dalam sektor pendidikan tinggi. Sistem ini dirancang untuk memberikan jawaban cepat atas pertanyaan administratif mahasiswa, seperti jadwal kuliah, informasi KRS, atau prosedur akademik lainnya. Namun, teknologi yang digunakan masih didominasi oleh model statis yang tidak mampu mengenali atau menyesuaikan diri dengan perubahan ekspresi emosional pengguna secara berkelanjutan. Dalam praktiknya, ekspresi informal seperti “gw mager bgt ngerjain TA”, “udah pusing sama revisi dospem”, atau “capek mental kuliah online terus” sering muncul dalam interaksi mahasiswa. Model statis gagal memahami nuansa emosional dari ekspresi tersebut karena hanya mengenali bentuk bahasa formal. Hal ini menghambat kemampuan sistem untuk memberikan respons empatik dan relevan. Ketidakmampuan ini juga membuka risiko catastrophic forgetting, yaitu hilangnya pengetahuan lama saat model diperbarui dengan data baru. Penelitian ini bertujuan untuk mengembangkan ICON-Net, model deteksi emosi berbasis teks yang adaptif dan berkelanjutan. Model ini dirancang untuk mampu belajar dari data baru tanpa mengorbankan pengetahuan sebelumnya, sehingga dapat meningkatkan kecerdasan emosional dalam interaksi asisten virtual akademik. Pendekatan yang digunakan dalam penelitian ini adalah Continual Learning (CL) untuk membangun sistem deteksi emosi adaptif berbasis teks. Pertama, Elastic Weight Consolidation (EWC) digunakan untuk mempertahankan bobot-bobot penting dari hasil pelatihan sebelumnya agar pengetahuan lama tidak hilang saat model mempelajari data baru. Kedua, Low-Rank Adaptation (LoRA) diterapkan sebagai teknik adaptasi parameter yang efisien, memungkinkan pembaruan model tanpa perlu melatih ulang keseluruhan parameter. Ketiga, Progressive Neural Networks (PNN) digunakan untuk mendukung pembelajaran modular, dimana unit baru dapat ditambahkan untuk mengenali emosi-emosi baru tanpa mengganggu struktur model lama. Luaran utama dari penelitian ini adalah publikasi pada jurnal internasional bereputasi terindeks Scopus, serta kontribusi nyata terhadap pengembangan sistem layanan digital yang adaptif dan empatik berbasis kecerdasan emosional.