KLASIFIKASI EKSPRESI WAJAH MENGGUNAKAN METODE WAVELET

Laksono, Bangun (2018) KLASIFIKASI EKSPRESI WAJAH MENGGUNAKAN METODE WAVELET. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img]
Preview
Text
ABSTRAK.pdf

Download (64kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (91kB) | Preview
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (546kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (333kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
BAB V.pdf

Download (87kB) | Preview
[img] Text
COVER DAN LAMPIRAN.pdf
Restricted to Repository staff only

Download (3MB)
[img] Text
SKRIPSI FULL TEXT.pdf
Restricted to Repository staff only

Download (5MB)

Abstract

Secara umum Manusia memiliki dua cara dalam mengungkapkan ekspresi. Cara pertama dilakukan dengan verbal, yakni diungkapkan dengan kata-kata yang sadar dilakukan. Cara kedua dilakukan dengan nonverbal, yaitu dilakukan dengan berbagai media, misalnya ekspresi wajah, gerakan tangan, mengangkat bahu, atau anggota tubuh lainnya. Menurut Paul Ekman dan Wallace V. Friesen, para ilmuwan psikologi menggolongkan ekspresi wajah secara universal dalam enam bentuk ekspresi utama wajah, yakni : Terkejut, Takut, Jijik, Marah, Bahagia dan Sedih. Melalui ekspresi wajah, ungkapan ekspresi tersebut dapat diperlihatkan oleh perubahan pada komponen-komponen wajah, seperti mulut, dahi, mata, dan bibir. Perubahan komponen-komponen wajah memungkinkan ekspresi pengenalan wajah dilakukan oleh komputer. Dalam dunia komputer, tindakan yang cepat dan tepat dalam mengidentifikasi ekspresi wajah tersebut dapat diwujudkan dengan jaringan syaraf tiruan. Sistem ini menggunakan software pemrograman matlab dengan mengklasifikasikan ekspresi wajah menggunakan pemisah ciri wavelet sampai level 3 dengan jumlah ciri adalah 252 menggunakan algoritma Neural Network Learning Vector Quantization untuk belajar atau learning pada mesin inferensi. Banyaknya jumlah sampel yang digunakan dalam penelitian sebanyak 222 citra ekspresi wajah (dari 6 jenis ekspresi wajah), sedangkan untuk data uji sebanyak 60 citra ekspresi wajah (dengan 6 jenis ekspresi wajah). Sehingga menghasilkan nilai komulatif keberhasilan 85,6% dengan parameter alfa 0,1; decalfa 0,01; minalfa 0,0000001; maxiterasi 10.000 dan jumlah iterasi sampai 110. Kata kunci: Ekspresi Wajah, Learning Vector Quantization (LVQ).

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Supatman, S.T., M.T.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 02 May 2018 07:56
Last Modified: 19 Aug 2022 04:01
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/2519

Actions (login required)

View Item View Item