2012 Proceeding Seminar Nasional Teknologi Informasi Aplikasinya
Jurusan Ilmu Komputer, FMIPA, Universitas Udayana 4
4.2 Uji Coba Sistem
Sistem pengenalan ekspresi wajah ini menggunakan 200 data citra dimana 140 digunakan sebagai data pelatihan dan 60 citra sebagai data uji.
Untuk pengujian citra dengan ekspresi senyum dan netral, dimana dari pengujian 60 citra, tiap 12 citra mewakili sudut pengambilan yang berbeda, hasilnya dapat dilihat pada table 4.1.
Tabel 4.1 Hasil Pengujian Citra Ekspresi Senyum dan Netral Sudut Jumlah
citra Citra yang
berhasil dikenali Akurasi
30 12
6 50
45 12
7 58
60 12
10 83
90 12
10 83
120 12
9 75
Dari table 4.1 dapat dilihat bahwa dari total 60 citra yang diuji yaitu masing-masing 30 citra dengan ekspresi senyum dan netral dengan sudut pengambilan 30
, 45 , 60
, 90 , dan 120
, sebanyak 42 citra yang berhasil dikenali dengan benar.
Dari hasil pengujian diperoleh tingkat akurasi sebesar 50, 58, 83, 83, dan 75 untuk masing- masing sudut pengambilan citra. Berdasarkan tingkat akurasi masing-masing sudut tersebut, diperoleh rata-
rata tingkat akurasi hasil pengujian citra ekspresi senyum dan netral sebesar 69,8 dari hasil penjumlahan nilai akurasi dibagi dengan banyaknya sudut pengambilan citra.
5. PENUTUP
5.1 Kesimpulan
Berdasarkan penelitian yang sudah dilakukan tentang sistem pengenalan ekspresi wajah maka kesimpulan yang dapat diambil diantaranya:
1. Metode PCA dapat melakukan proses ekstraksi ciri terhadap citra wajah untuk menghasilkan
matriks yang akan menjadi bobot dalam proses jaringan syaraf tiruan serta mereduksi dimensi matriks citra wajah menjadi ukuran yang lebih kecil.
2. Dari hasil pengujian sistem, algoritma LVQ dapat mengenali ekspresi wajah manusia dengan tingkat
akurasi pengenalan sebesar 69,8 untuk ekspresi senyum dan netral.
5.2 Saran
Untuk pengembangan sistem pengenalan ekspresi wajah, penulis ingin menyampaikan beberapa saran diantaranya:
1. Pada penelitian selanjutnya penulis diharapkan dapat memperbanyak jumlah data training sehingga
dapat memberikan akurasi pengenalan yang lebih tinggi. 2.
Pada penelitian selanjutnya penulis diharapkan dapat membuat sistem yang tidak hanya mengenali ekspresi senyum dan netral tetapi juga ekspresi lain seperti sedih dan tertawa.
6. DAFTAR PUSTAKA
[1] Ahmad, Usman. 2005. “Pengolahan Citra Digital Teknik Pemrogramannya”. Edisi I. Yogyakarta:
Graha Ilmu. [2] Al-Daoud,
E. 2009, “A Comparison Between Three Neural Models for Classication Problems”,
Journal of Articial Intelligence 2, 56–64 [3]
Anandita. 2007. “Face Expression Recognition In Two Dimensional Image by Using Neural Network Algorithm Backpropagation”. Fakultas Ilmu Komputer, Universitas Gunadarma.
[4] Cahyo, Septian. 2009. “Analisis Perbandingan Beberapa Metode Deteksi Tepi Menggunakan Delphi 7”. Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma.
[5] Hestiningsih, Idhawati. 2008. Pengolahan Citra.http:toba.mytoba.comdlPengolahan20Citra.pdf.
Diakses tanggal 10 Desember 2011. [6] Hjelmas, E, Low, B.K, 2001, “ Face Detection: A Survey” , Computer Vision and Image
Understanding. 83, pp. 236-274. [7] Atalay,
Ilker . 1996. “
Face Recognition Using Eigenfaces ”. Computer Engineer, Istanbul Technical
University. [8]
Ming, Leung, K. 2009. “Learning Vector Quantization”. Departement of Computer and Information Science.
[9] Oktaorora. 2011. “Penentuan Jenis Lipstik Pilihan Pelanggan Berdasarkan Faktor Usia Dan Warna Kulit Menggunakan Metode Jaringan Syaraf Tiruan”. Jurusan Teknik Informatika, Institut Teknologi
Sepuluh November.
