Klasifikasi Emosi Berdasarkan Ekspresi Wajah Menggunakan Support Vector Machine dan Ekstraksi Fitur Local Binary Pattern
| Main Author: | Fakhrul Izza, Kurnia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184494/1/Kurnia%20Fakhrul%20Izza.pdf http://repository.ub.ac.id/184494/ |
Daftar Isi:
- Emosi adalah perasaan yang mengakibatkan suatu individu merespon terhadap rangsangan. Penelitian tentang emosi dasar sudah banyak diteliti, dan peneliti mengklasifikasikan menjadi enam yaitu senang, sedih, terkejut, marah, takut dan bahagia. Emosi ini memainkan peranan penting dalam interaksi manusia, contohnya dalam alat yang efektif untuk studi perilaku dan rehabilitasi medis. Ekspresi wajah manusia juga digunakan untuk pengembangan minat suatu konsumen di supermarket, seperti konsumen yang sedang berbelanja membutuhkan pelayan atau tidak. Dalam penggunaannya sistem harus dapat mendeteksi emosi atau ekspresi yang ada pada wajah. Keakuratan dalam pendeteksian ekspresi wajah adalah syarat utama kelayakan pada sistem ini. Informasi ini dapat diekstraksi ciri oleh Local Binary Pattern karena proses yang cepat dan akurat sesuai dengan kebutuhan sistem. Hasil dari LBP adalah fitur yang berdimensi tinggi. Berdasarkan penelitian sebelumnya metode Support Vector Machine cocok mengklasifikasikan data berdimensi tinggi dan memiliki akurasi yang cukup baik dibandingkan metode klasifikasi yang lainnya. Dari hasil tersebut maka penelitian ini akan menggunakan metode Local Binary Pattern untuk ekstraksi ciri dan Support Vector Machine untuk melakukan klasifikasi. Tahapan dari metode Local Binary Pattern adalah mengekstraksi ciri dengan metode Interpolasi bilinear kemudian hasilnya akan dimasukkan ke dalam histogram. Histogram ini akan dibagi menjadi dua yaitu untuk tahapan training dan tahap testing pada SVM. Berdasarkan hasil pengujian pada penelitian ini dengan menggunakan nilai (p,r) = (8,2), ukuran grid = 8×8, learning rate = 0,0001, iterasi maksimal = 50, dan lambda param = 0,1 menghasilkan akurasi sebesar 100%. Berdasarkan hasil tersebut metode Local Binary Pattern dan Support Vector Machine mampu memberikan hasil yang baik pada permasalahan dan data yang digunakan.