Klasifikasi Emosi Berdasarkan Ekspresi Wajah Menggunakan Support Vector Machine dan Ekstraksi Fitur Local Binary Pattern

Izza, Kurnia Fakhrul (2021) Klasifikasi Emosi Berdasarkan Ekspresi Wajah Menggunakan Support Vector Machine dan Ekstraksi Fitur Local Binary Pattern. Sarjana thesis, Universitas Brawijaya.

Abstract

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.

English Abstract

Emotions are feelings that cause an individual to respond to stimuli. Basic emotion research has been widely researched, and researchers classify it into six emotions i.e. happy, sad, surprised, angry, scared and happy. These emotions play an important role in human interaction, for example in effective tools for behavioral studies and medical rehabilitation. Human facial expressions are also used for the development of a consumer's interest in the supermarket, such as consumers who are shopping in need of a waiter or not. In its use the system should be able to detect emotions or expressions that exist on the face. Accuracy in the detection of facial expressions is a key condition of eligibility in this system. This information can be extracted by Local Binary Pattern because it is a fast and accurate process according to the needs of the system. The result of LBP is a high-dimensional feature. Based on previous research, The Support Vector Machine method is suitable to classify high-dimensional data and has a fairly good accuracy compared to other classification methods. From these results, this study will use the Local Binary Pattern method for feature extraction and Support Vector Machine to perform classification. The stage of the Local Binary Pattern method is to extract the feature with the Bilinear Interpolation method and then the result will be inserted into the histogram. This histogram will be divided into two, namely for the training stage and testing stage on SVM. Based on the test results in this study using values (p, r) = (8,2), grid size = 8 × 8, learning rate = 0.0001, maximum iteration = 50, and lambda = 0.1 resulted in accuracy of 100%. Based on these results, The Local Binary Pattern and Support Vector Machine method is able to give good results on the problems and data used. Keywords: human facial expressions, feature extraction, classification, local binary pattern, support vector machine.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	052115
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username rizky
Date Deposited:	22 Oct 2021 06:48
Last Modified:	25 Feb 2022 01:48
URI:	http://repository.ub.ac.id/id/eprint/184494

Text (DALAM MASA EMBARGO) Kurnia Fakhrul Izza.pdf Restricted to Registered users only until 31 December 2023. Download (2MB)

Actions (login required)

View Item