PENGENALAN EKSPRESI WAJAH PADA CITRA DUA DIMENSI MENGGUNAKAN METODE SVM
| Main Authors: | RATIH AMELIA DWI HANDAYANTI, Pembimbing: (1) Dr. Eng. Cahya Rahmad, ST., M.Kom (2) Ulla Delfana Rosiani, ST., MT |
|---|---|
| Format: | Book |
| Bahasa: | ind |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://digilib.jti.polinema.ac.id//index.php?p=show_detail&id=1598 http://digilib.jti.polinema.ac.id//lib/phpthumb/phpThumb.php?src=../../images/docs/1_SKRIPSI.jpeg.jpeg |
Daftar Isi:
- Manusia secara alami menggunakan ekspresi wajah yang penting dan kuat untuk berkomunikasi dan menunjukkan emosi mereka dalam berinteraksi sosial. Banyak ekspresi wajah pada manusia, diantaranya senang, sedih, marah, dan jijik. Ekspresi-ekspresi tersebut dapat dilihat dari bagian penting pada wajah yaitu alis, mata, hidung dan mulut. Melalui ekspresi wajah, maka dapat dipahami emosi yang sedang bergejolak pada diri individu dan merupakan salah satu karakteristik perilaku. Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajah memungkinkan untuk mengenali perasaan atau emosi seseorang. Komponen dasar sistem analisis ekspresi wajah adalah deteksi wajah, ekstraksi fitur wajah, dan pengenalan ekspresi wajah.Pada penelitian ini digunakan metode Haar-Cascade Classifier untuk sistem deteksi wajah yang dibuat. Metode Linear Discriminant Analysis digunakan untuk mengekstrasi fitur wajah yang berupa alis, mata, hidung, dan mulut. Metode SVM (Support Vector Machine) untuk mengklasifikasi ekspresi wajah yaitu senang, sedih, marah, dan jijik. Dalam penelitian ini, teknik SVM digunakan untuk menemukan fungsi pemisah yang optimal, yang bisa memisahkan dua set data dari dua kelas yang berbeda.Hasil dari pengujian yang dilakukan ini menunjukkan bahwa metode Linear Discriminant Analysis dan Support Vector Machine tidak berjalan dengan baik, dikarenakan pada proses klasifikasi, sistem belum dapat mengenali atau salah mengenali ekspresi yang ada. Dalam pengujian hanya didapatkan akurasi sebanyak 36% dalam ketepatan hasil yang diinginkan.Kata kunci: ekspresi wajah, karakteristik wajah, SVM.Humans naturally use important and strong facial expression to communicate and show their emotions in social interaction. There are many facial expressions in humans, including happy, sad, angry, and disgusted. Those expressions can be seen from the important parts of the face, including eyebrows, eyes, nose, and mouth. Through facial expressions, it can be understood emotions that are flaring up on each individual and one of the characteristics of behavior. The use of a biometrics technology system with facial expression characteristics makes it possible to recognize a person‟s feelings or emotions. The basic components of facial expression analysis system are face detection, facial feature extraction, and facial expression recognition.In this research, Haar-Cascade Classifier method for face detection system is used. Linear Discriminant Analysis method is used to extract facial features including eyebrows, eyes, nose, and mouth. SVM (Support Vector Machine) method is used to classify facial expressions that are happy, sad, angry, and disgusted. In this research, SVM technique is used to find the optimal separator function, which can separate two sets of data from two different classes.The results from the trial is that the Linear Discriminant Analysis and Support Vector Machine methods are not running well because in the classification process the system has not been able to recognize or misidentify the expression yet. In the trial there is only obtained accuracy level of 36% in the desired results accuracy.Keywords: facial expression, facial Characteristics, SVM