ABSTRAK Nama : Muhamad Iqbal Program Studi : Magister Ilmu Komputer Judul : Pembangkitan Emosi Wajah pada Citra Wajah Netral dengan Generative Adversarial Network Generative Adversarial Network (GAN) kini menjadi framework deep learning yang banyak digunakan dalam membangun model yang mampu menghasilkan data secara sintetik. Berbagai riset telah dilakukan dengan mengaplikasikan GAN dalam berbagai bidang, salah satunya adalah melakukan translasi citra wajah beremosi netral ke citra wajah yang menampilkan emosi tertentu. Salah satu pendekatan yang banyak digunakan adalah framework Conditional GAN yang mampu menerima input tambahan berupa label informasi kondisional untuk menghasilkan output dengan karakteristik tertentu. Penelitian ini bertujuan untuk merancang sebuah model yang menggunakan framework Generative Adversarial Network dalam memecahkan permasalahan translasi citra wajah netral ke citra wajah beremosi. Sistem memproses input berupa citra wajah beremosi netral dan informasi kondisional dalam bentuk label emosi, menghasilkan output berupa citra foto wajah beremosi dasar. Eksperimen yang dilakukan dalam penelitian ini bertujuan untuk melakukan modifikasi terhadap arsitektur U-CGAN (Pitaloka, 2018) untuk meningkatkan kualitas hasil dari model. Metode yang diajukan adalah penggunaan arsitektur U-net (Ronneberger, Fischer, & Brox, 2015) dengan tingkat kedalaman 7 layer dan metode pengkondisian baru terinspirasi dari transformasi affine. Hasil dari eksperimen pada penelitian ini menunjukkan bahwa dengan menggunakan arsitektur Unet 7 layer dan metode pengkondisian baru memberikan hasil translasi yang lebih baik. Dengan model U-CGAN (Pitaloka, 2018) sebagai basis pengukuran memiliki kualitas hasil model dengan skor SSIM 0.538 dan prediksi sistem klasifikasi emosi dasar mencapai rata-rata akurasi 73.733% dan standar deviasi 1.283%, metode yang diajukan mampu menghasilkan output dengan kualitas mencapai skor metrik SSIM mencapai 0.643 dengan prediksi sistem klasifikasi mencapai rata-rata akurasi 93.077% dan standar deviasi 1.155%. Kata kunci: generative adversarial network (gan), emosi wajah dasar, model generatif, transformasi affine, perataan nilai