Pengaruh Segmentasi Menggunakan Viola And Jones Terhadap Fitur Markov Stationary Feature - Vector Quantization Pada Kasus Pengenalan Ekspresi Wajah
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Suryana, Encep
Subject
004_Data Processing & Computer Science
Datestamp
2019-10-01 01:51:03
Abstract :
Ekspresi wajah berperan penting dalam berkomunikasi dengan orang lain sebagai ungkapan perasaan atau emosi. Pada pendeteksian ekspresi wajah dapat dilakukan proses segmentasi yang bertujuan untuk memisahkan objek yang terdapat pada citra wajah diantaranya: kedua mata, hidung dan mulut. Salah satu metode segmentasi yang dapat digunakan adalah Viola and Jones. Pada kasus pengenalan ekspresi wajah tanpa segmentasi menggunakan metode Markov Stationary Feature – Vector Quantization (MSF-VQ) dan menggunakan metode pengujian Confusion Matrix mendapatkan akurasi 97.01%. Pada penelitian ini data yang digunakan terdiri dari Data Latih dan Data Uji, total data sebanyak 2205 data dari 42 orang, diantaranya: 21 orang berekspresi bahagia, sedih, terkejut, takut, marah, muak dan 21 orang lainnya berekspresi netral. Data diambil sebanyak 15 citra per orang. Penelitian ini yang berjudul “pengaruh segmentasi Viola and Jones terhadap fitur MSF-VQ pada kasus pengenalan ekspresi wajah†dibantu dengan mesin pembelajaran Multiclass Support Vector Machine dengan kernel linear berpengaruh pada kecepatan dalam pelatihan dan pengujian data menjadi lebih cepat dan menghasilkan akurasi yang lebih baik dalam proses pengenalan ekspresi wajah mendapatkan akurasi sebesar sebesar 100% pada pengenalan ekspresi wajah dan adanya peningkatan sebesar 2.99%
Ekspresi wajah berperan penting dalam berkomunikasi dengan orang lain sebagai ungkapan perasaan atau emosi. Pada pendeteksian ekspresi wajah dapat dilakukan proses segmentasi yang bertujuan untuk memisahkan objek yang terdapat pada citra wajah diantaranya: kedua mata, hidung dan mulut. Salah satu metode segmentasi yang dapat digunakan adalah Viola and Jones. Pada kasus pengenalan ekspresi wajah tanpa segmentasi menggunakan metode Markov Stationary Feature – Vector Quantization (MSF-VQ) dan menggunakan metode pengujian Confusion Matrix mendapatkan akurasi 97.01%. Pada penelitian ini data yang digunakan terdiri dari Data Latih dan Data Uji, total data sebanyak 2205 data dari 42 orang, diantaranya: 21 orang berekspresi bahagia, sedih, terkejut, takut, marah, muak dan 21 orang lainnya berekspresi netral. Data diambil sebanyak 15 citra per orang. Penelitian ini yang berjudul “pengaruh segmentasi Viola and Jones terhadap fitur MSF-VQ pada kasus pengenalan ekspresi wajah†dibantu dengan mesin pembelajaran Multiclass Support Vector Machine dengan kernel linear berpengaruh pada kecepatan dalam pelatihan dan pengujian data menjadi lebih cepat dan menghasilkan akurasi yang lebih baik dalam proses pengenalan ekspresi wajah mendapatkan akurasi sebesar sebesar 100% pada pengenalan ekspresi wajah dan adanya peningkatan sebesar 2.99%
File :
UNIKOM_ENCEP SURYANA_COVER.pdf
UNIKOM_ENCEP SURYANA_LEMBAR PENGESAHAN.pdf
UNIKOM_ENCEP SURYANA_BAB 5.pdf
UNIKOM_ENCEP SURYANA_DAFTAR PUSTAKA.pdf
UNIKOM_ENCEP SURYANA_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_ENCEP SURYANA_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_ENCEP SURYANA_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_ENCEP SURYANA_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_ENCEP SURYANA_KATA PENGANTAR.pdf
UNIKOM_ENCEP SURYANA_DAFTAR ISI.pdf
UNIKOM_ENCEP SURYANA_BAB 1.pdf
UNIKOM_ENCEP SURYANA_BAB 2.pdf
UNIKOM_ENCEP SURYANA_BAB 3.pdf
UNIKOM_ENCEP SURYANA_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
