Stress adalah masalah kesehatan mental yang serius dan dapat memiliki dampak negatif pada kesejahteraan seseorang. Kesehatan mental adalah aspek penting dari kesejahteraan manusia. Maka dari itu, penulis mencoba membuat aplikasi dekstop mendeteksi stress berdasarkan spesifikasi wajah untuk dapat mengenali perubahan dalam ekspresi wajah yang mengindikasikan stres emosional, seperti kecemasan, marah, atau ketegangan. Ini membantu individu untuk lebih memahami dan mengatasi perasaan stres mereka. Judul dari penelitian ini yaitu “Implementasi Deep Learning Untuk Deteksi stress Berdasarkan Spesifikasi Wajah”. Penelitian ini menggunakan metode CNN dengan algoritma YOLOv5s dimana dapat mengimplementasikan deteksi stress dan nostress pada wajah secara real-time dengan nilai parameter optimal batch 128, epoch 50, dan dropout 0,4; dengan nilai train_loss 45,1%; test_loss 56,6% dan top1_accuracy 77% dari hasil tersebut dapat disimpulkan bahwa sistem mengalami kinerja yang baik karena pada saat parameter optimal tersebut diujikan kepada data testing menggunakan metode confusion matriks menghasilkan nilai akurasi 65% sedangkan hasil dari pengujian yang telah dilakukan secara real-time dengan menggunakan data sampel yaitu pasien A, B, C, D dan E diperoleh akurasi sebesar 90,4%. Perhitungan akurasi tersebut menggunakan rumus confusion matriks. Ini merupakan indikasi positif bahwa model memiliki potensi yang baik dalam mengenali kelas target.