Implementasi Markov Stationary Feature – Vector Quantization Untuk Pengenalan Ekspresi Wajah
Total View This Week0

Institusion

Universitas Komputer Indonesia

Author

Jarockohir, Fascal Sapty

Subject

005_Computer Programming, Programs & Data 

Datestamp

2019-07-15 03:24:24 

Abstract :
Eskpresi Wajah merupakan salah satu bentuk komunikasi, ekspresi wajah memiliki tentunya memiliki bentuk wajah yang berbeda-beda. Dalam proses pengenalan ekspresi wajah mesin belajar tidak langsung mengenali ekspresi begitu saja, namun perlu dilakukan proses ekstraksi fitur terlebih dahulu. Salah satu metode ekstraksi fitur yang dapat digunakan adalah Markov Stationary Feature – Vector Quantization (MSF-VQ). Algoritma MSF-VQ telah diujikan pada kasus pengenalan wajah manusia dan mendapat akurasi sebesar 99.16%. Pada penelitian ini Algoritma MSF-VQ digunakan untuk mengenali ekspresi wajah. Dalam penelitian ini digunakan data yang terdiri dari Data Latih dan Data Uji Total Data yang digunakan untuk proses pengujian sebanyak 1440. Untuk data latih digunakan foto wajah sebanyak 1170 yang didapat dari 15 orang, 6 jenis ekspresi, dan dari satu jenis ekspresi terdapat 13 foto wajah per orang. Pengujian dilakukan menggunakan 270 data uji menggunakan algoritma MSF-VQ menggunakan mesin belajar Multiclass Support Vector Machine dengan kernel linear, berhasil mendapatkan akurasi sebesar 97.41 %. 

File :
UNIKOM_FASCAL SAPTY J_COVER.pdf
UNIKOM_FASCAL SAPTY J_LEMBAR PENGESAHAN.pdf
UNIKOM_FASCAL SAPTY J_BAB 5.pdf
UNIKOM_FASCAL SAPTY J_DAFTAR PUSTAKA.pdf
UNIKOM_FASCAL SAPTY J_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_FASCAL SAPTY J_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_FASCAL SAPTY J_KATA PENGANTAR.pdf
UNIKOM_FASCAL SAPTY J_DAFTAR ISI.pdf
UNIKOM_FASCAL SAPTY J_BAB 1.pdf
UNIKOM_FASCAL SAPTY J_BAB 2.pdf
UNIKOM_FASCAL SAPTY J_BAB 3.pdf
UNIKOM_FASCAL SAPTY J_BAB 4.pdf