DIGITAL LIBRARY



JUDUL:IMPLEMENTASI LOCAL BINARY PATTERN DAN FUZZY SUPPORT VECTOR MACHINE UNTUK PENGENALAN EKSPRESI WAJAH
PENGARANG:NORHIKMAH
PENERBIT:UNIVERSITAS LAMBUNG MANGKURAT
TANGGAL:2023-07-04


IMPLEMENTASI LOCAL BINARY PATTERN DAN FUZZY SUPPORT VECTOR MACHINE UNTUK PENGENALAN EKSPRESI WAJAH(Oleh: Norhikmah; Pembimbing: Andi Farmadi, S.Si., M.T dan Dwi Kartini, S.Kom., M.Kom; 2023;  58 halaman)

Ekspresi wajah adalah salah satu bentuk dari komunikasi nonverbal. Dalam pembelajaran mesin, pengenalan ekspresi wajah telah banyak dilakukan dengan berbagai macam implementasinya yang bertujuan untuk meningkatkan keakuratan dalam mengenali emosi seseorang, karena manusia cenderung subjektif dalam mengamati ekspresi wajah sehingga terkadang keliru dalam menilai emosi seseorang. Pada penelitan ini mengusulkan metode Fuzzy Support Vector Machine (FSVM) dengan ekstraksi fitur Local Binary Pattern (LBP) untuk melakukan pengenalan ekspresi wajah. Dataset yang digunakan adalah Face Emotion Recognition (FER) 2013 berisi citra ekspresi wajah berskala abu-abu dengan ukuran citra 48x48 piksel yang terdiri dari berbagai ekspresi yaitu senang, marah, sedih dan takut. Data yang digunakan berjumlah 400 data dengan masing-masing kelas berjumlah 100 data. Pertama, melakukan pembagian data dengan proporsi 85% data latih dan 15% data uji. Selanjutnya, menggunakan metode LBP untuk mengekstraksi fitur tekstur dari citra wajah. dengan menggunakan lima jenis nilai dari parameter Radius dan Point. Nilai fitur yang didapatkan dinormalisasi menggunakan MinMaxScaler Normalization. Kemudian, metode FSVM dengan kernel Radial Basis Function (RBF)digunakan untuk melakukan klasifikasi data. Tahap pengujian model FSVM dilakukan dengan mencari parameter Cost dan gamma yang optimal. Evaluasi model dilakukan dengan menghitung nilai akurasi dan presisi. Diperoleh nilai akurasi tertinggi yaitu sebesar 42% berada pada (R=1, P=4) dengan Cost=0,05 dan gamma=0,05, dan nilai presisi tertinggi yaitu sebesar 58% berada pada (R=1, P=4) dengan Cost=0,05 dan gamma=0,05. Hasil akurasi dan presisi perkelas menunjukkan bahwa ekspresi yang paling banyak dikenali oleh model dengan prediksi benar adalah ekspresi senang dan takut.

 

Kata Kunci:Ekspresi Wajah, Local Binary Pattern, Fuzzy Support Vector Machine.

Berkas PDF
NODOWNLOAD LINK
1FILE 1



File secara keseluruhan dapat di unduh DISINI