PERBANDINGAN ANTARA METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN SUPPORT VECTOR MACHINE PADA PENGENALAN CITRA EKSPRESI WAJAH

• Main Author: Alfharuki Riansyah, - (Author)
• Format: Book
• Published: 2015-01-30.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upnvj.ac.id/3256/1/AWAL.pdf; http://repository.upnvj.ac.id/3256/2/ABSTRAK.pdf; http://repository.upnvj.ac.id/3256/3/BAB%201.pdf; http://repository.upnvj.ac.id/3256/5/BAB%202.pdf; http://repository.upnvj.ac.id/3256/4/BAB%203.pdf; http://repository.upnvj.ac.id/3256/9/BAB%204.pdf; http://repository.upnvj.ac.id/3256/6/BAB%205.pdf; http://repository.upnvj.ac.id/3256/8/DAFTAR%20PUSTAKA.pdf; http://repository.upnvj.ac.id/3256/7/RIWAYAT%20HIDUP.pdf; http://repository.upnvj.ac.id/3256/10/LAMPIRAN.pdf
• Keywords: QA76 Computer software

Penelitian ini di lakukan untuk membandingkan dua metode pada pengenalan citra ekspresi wajah. Ekspresi wajah memainkan peranan yang penting dalam interaksi sosial manusia. Penggunaan pengenalan ekspresi wajah berkembang ke dalam beberapa aplikasi, salah satunya adalah interaksi manusia dengan mesin komputer. Mesin tidak dapat mengenali ekspresi wajah seperti manusia. Kemampuan mesin untuk mengenali ekspresi wajah dapat dilakukan dengan cara pembelajaran mesin. Salah satu metode yang dapat digunakan untuk pembelajaran mesin seperti identifikasi pola citra adalah jaringan syaraf tiruan. Jaringan syaraf tiruan yang di gunakan pada penelitian ini menggunakan metode pembelajaran terawasi (supervised learning), yaitu metode jaringan syaraf tiruan Backpropagation dan Support Vector Machine. Tujuan penelitian ini untuk mengetahui perbedaan waktu proses dan keakuratan dari kedua metode tersebut pada ekspresi wajah. Pengumpulan data yang didapatkan yaitu database JAFFE (Japanese Female Facial Expression) adalah database yang berisikan 7 ekspresi dasar wajah manusia. Tahapan klasifikasi meliputi tahapan pra proses hingga normalisasi. Setelah didapatkan piksel mentah dari semua ekspresi, maka terbentuk vektor fitur. Vektor fitur ini sebagai data yang digunakan untuk pengklasifikasian dengan menggunakan Backpropagation dan Support Vector Machine. Nilai akurasi prediksi dari 20% hasil data yang di uji pada Backpropagation yaitu 42 citra ekspresi wajah sebesar 61,9% dari data pelatihan dan dari data baru sebesar 35,71%, sedangkan hasil data pelatihan yang di uji pada Support Vector Machine yaitu sebesar 88,09% dan data baru sebesar 64,28%. Maka dapat disimpulkan bahwa dari kedua metode tersebut metode Support Vector Machine lebih baik dalam mengenali citra ekspresi wajah baik data training maupun data yang di ujikan.