Polii, Aprilo Paskalis (2018) Implementasi K-Nearest Neighbor Untuk Klasifikasi Ekspresi Wajah Berdasarkan Data Muscle Sensor Dan Berbasis Arduino. Sarjana thesis, Universitas Brawijaya.
Abstract
Ekspresi wajah manusia dibentuk oleh pergerakan otot wajah. Atas dasar tersebut, sebagai usaha untuk meningkatkan interaksi manusia dan komputer, sehingga dalam penelitian ini dibuat suatu alat untuk mengklasifikiasi ekspresi wajah berdasarkan pergerakan otot. Keluaran pergerakan otot didapatkan dengan menggunakan sensor otot. Alat dalam penelitian ini menggunakan algoritme K-Nearest Neighbor untuk melakukan klasifikasi. Sensor otot dihubungkan pada wajah dengan menggunakan elektroda. Setelah itu, hasil keluaran sensor diolah pada arduino yang kemudian ditampilkan pada LCD monitor sebagai keluaran alat. Dari pengujian fungsionalitas sensor, didapatkan hasil sensor merespon sesuai dengan kinerja otot dimana semakin berat beban, maka semakin tinggi nilai yang diberikan oleh sensor. Kemudian dari pengujian fungsionalitas LCD monitor, didapatkan hasil bahwa LCD Monitor bekerja secara baik dengan menampilkan keluaran yang sesuai dengan perintah. Kemudian dari pengujian akurasi sistem didapatkan hasil terbaik dengan jumlah tetangga sebanyak 3 dengan tingkat akurasi 81%. Dari pengujian waktu komputasi, didapatkan hasil waktu mengambil data dari sensor hingga mengolah dan menampilkan keluaran memakan waktu dengan rata-rata 1,68 detik.
English Abstract
Human facial expressions are formed by face muscles. Therefore, as an interest to develop Human-computer interaction, the system of human facial expression classification based on face muscles’ movement is made for those reasons. The output from facial muscles is obtained by the muscle sensor. The classification in this research has been done by using K-Nearest Neighbor Algorithm system. The Muscle sensor is connected to the face by using electrodes. Then, the sensor's output is processed in Arduino and shows the result on LCD Monitor as an output. By the testing of sensor's functionality, it is found that the sensor responds according to the muscle performance. The sensor's value is increased along with the number of gained loads. Besides that, by the testing of LCD monitor's functionality, the result is obtained that LCD Monitor works well by displaying the output in accordance with the command. Then by the accuracy testing, the best the result is from K equals to 3 with 81% of accuracy level. By the computation time testing, the result of taking the output from sensor, processing, and display the classification takes 1.68 seconds as the average time.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/923/051900274 |
Uncontrolled Keywords: | Ekspresi wajah, Interaksi Manusia dan Komputer, K-Nearest Neighbor, Klasifikasi-Facial expression, Interaction of Human and Computer, K-Nearest Neighbor, Classification, muscle sensor |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.37 Computer vision |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | soegeng sugeng |
Date Deposited: | 20 Apr 2020 14:39 |
Last Modified: | 17 May 2022 07:12 |
URI: | http://repository.ub.ac.id/id/eprint/166844 |
![]() |
Text
Aprilo Paskalis Polii.pdf Download (11MB) |
Actions (login required)
![]() |
View Item |