EKSPRESI EMOSI PADA MODEL WAJAH TIGA DIM
EKSPRESI EMOSI PADA MODEL WAJAH TIGA
DIMENSI MENGGUNAKAN NAIVE BAYES DAN
LOGIKA FUZZY
DOSEN PEMBIMBING
Moch. Hariadi, S.T., M.Sc., Ph.D.
Mitra Istiar Wardhana
2208205720
LATAR BELAKANG
Emosi mempunyai peran yang penting dalam
komunikasi antar manusia
Penelitian di bidang emosi merupakan sebuah
proses yang kompleks
Kecerdasan buatan yang mampu memproses
emosi
PERUMUSAN MASALAH
Bagaimana mengenali jenis emosi dari
sebuah teks berbahasa Indonesia ?
Bagaimana menampilkan emosi berupa
ekspresi wajah yang dipengaruhi oleh
lebih dari satu emosi ?
TUJUAN PENELITIAN
Mengenali jenis emosi dari sebuah
teks berbahasa Indonesia.
Memperoleh tampilan emosi berupa
ekspresi wajah dari sebuah teks
berbahasa Indonesia.
MANFAAT PENELITIAN
Ditemukannya teknik yang bisa digunakan
untuk mengenali jenis emosi dari teks
berbahasa Indonesia
Ditemukannya model kecerdasan buatan yang
bisa digunakan untuk menghasilkan tampilan
emosi berupa ekspresi wajah dari teks
berbahasa Indonesia
KONTRIBUSI
Pengenalan emosi pada teks
menggunakan Naïve Bayes
Ekspresi Emosi menggunakan Naïve
Bayes dan Logika Fuzzy
HIPOTESA
Klasifikasi teks bisa dilakukan dengan metode
Naïve Bayes
Logika Fuzzy digunakan untuk menyelesaikan
masalah ketidakpastian
Dengan Naïve Bayes dan Logika Fuzzy
bisa dihasilkan nilai parameter wajah
pembentuk ekspresi dari masukan
teks
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
DASAR TEORI
EMOSI
Kondisi mental yang muncul secara spontan
Diikuti perubahan bentuk fisik
DASAR TEORI
EMOSI(2)
Emosi Dasar
Nama
Emosi Dasar
Plutchik
Penerimaan, marah, antisipasi,
jijik,senang, takut, sedih, terkejut.
Ekman,
Friesen,
Ellsworth
Marah, jijik, takut, senang, sedih, terkejut.
Frijda
Keinginan, senang, tertarik, terkejut,
kagum, sedih
Izard
Marah, penghinaan, jijik, sedih, takut,
bersalah, tertarik, senang, malu, terkejut.
James
Takut, sedih, cinta, marah
Mowrer
Sakit, bahagia
Oatley dan Johnson-Laird
Marah, jijik, gelisah, senang, sedih.
DASAR TEORI
EMOSI(3)
Emosi Dasar :
• Taner Danisman dan Adil Alpkocak, 2008
• M. Telkap, 1999
1. Senang
4. Takut
2. Sedih
5. Jijik
3. Marah
DASAR TEORI
EMOSI(4)
Jenis Emosi
Netral
Deskripsi
1.
2.
3.
4.
5.
6.
Seluruh otot wajah dalam kondisi rileks
Kelopak mata bersinggungan dengan retina
Bibir atas dan bawah saling bersentuhan
Garis bibir berbentuk horisontal dan ujung bibir rata
Mulut tertutup
Gigi atas dan bawah saling bersetuhan
DASAR TEORI
EMOSI(5)
Jenis Emosi
Deskripsi
Senang
1. Posisi alis mata rileks.
2. Posisi mulut terbuka dan ujung mulut tertarik ke arah telinga.
Sedih
1. Posisi alis mata bagian dalam terangkat ke atas.
2. Mata agak terpejam
3. Bentuk mulut rileks.
Marah
1. Posisi alis mata bagian dalam tertarik ke bawah
2. Mata terbuka lebar.
3. Bibir atas dan bawah saling menekan atau terbuka lebar untuk
memperlihatkan gigi.
Takut
1. Posisi alis mata terangkat ke atas dan bersama-sama, dimana
bagian dalam alis cenderung lebih ke atas.
2. Mata tegang dan perhatian.
Jijik
1. Posisi alis mata dan kelopak mata rileks.
2. Mulut bagian atas terangkat dan melengkung.
DASAR TEORI
KLASIFIKASI TEKS
Memprediksi kelas/kategori dari sebuah teks
Mendapatkan hadiah dari teman saya saat
ulang tahun
SENANG
SEDIH
MARAH
TAKUT
JIJIK
DASAR TEORI
NAÏVE BAYES
TEOREMA BAYES
P (A|B) = (P(B|A) * P(A)) / P(B)
P(Senang|Teks)
TEKS
Naïve
Bayes
Classifier
P(Sedih|Teks)
P(Marah|Teks)
P(Takut|Teks)
P(Jijik|Teks)
DASAR TEORI
LOGIKA FUZZY
Menangani masalah ketidakpastian (Suyanto,2008)
Mengandung keraguan
Kurang lengkapnya informasi
Nilai kebenarannya bersifat sebagian
DASAR TEORI
LOGIKA FUZZY (2)
P(Senang|Teks)
P(Sedih|Teks)
P(Marah|Teks)
P(Takut|Teks)
P(Jijik|Teks)
Logika
PARAMETER
Fuzzy
WAJAH
DASAR TEORI
MODEL WAJAH TIGA DIMENSI
Ludwig (Jason Pierce)
DASAR TEORI
MODEL WAJAH TIGA DIMENSI (2)
No.
Parameter
Batas Bawah Batas Atas Jangkauan
Nilai
1.
Brow Position Left
and Right
-250
250
500
2.
Brow Emotion Left
and Right
-200
200
400
3.
Brow Wrinkle
-200
250
450
4.
Eye Open
-400
400
800
5.
Sneer Left and
Right
-200
200
400
6.
Mouth Open
-300
300
600
7.
Mouth Smile Left
and Right
-300
300
600
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
METODE PENELITIAN
Data Teks
dengan
Emosi
Klasifikasi Teks
Berd. Jenis
Emosi
P(Senang|teks) = 0,6
P(Sedih|teks) = 0.2
P(Takut|teks) = 0,1
P(Marah|teks) = 0,05
P(Jijik|teks)
= 0 ,05
“aya berhasil lulus
ujia se ester
Visualisasi
Emosi berupa
Ekspresi Wajah
Nilai Peluang
Teks terhadap
kelas Emosi
Nilai
Parameter
Wajah
Brow Position = 103
Brow Emotion = 40
Brow Wringkle = 29
Eye Open
= 130
Sneer
= 104
Mouth Open = 7
Mouth Smile = 108
Logika Fuzzy
METODE PENELITIAN
KLASIFIKASI TEKS
Jumlah Data : 1000 Kalimat
5 Kelas Emosi :
1. Senang : 200
2. Sedih : 200
3. Marah : 200
4. Takut : 200
5. Jijik : 200
METODE PENELITIAN
PARAMETER WAJAH
NETRAL
No.
Parameter
Nilai
1.
Brow Position Left and Right
0
2.
Brow Emotion Left and Right
0
3.
Brow Wrinkle
0
4.
Eye Open
0
5.
Sneer Left and Right
0
6.
Mouth Open
7.
Mouth Smile Left and Right
250
0
METODE PENELITIAN
PARAMETER WAJAH (2)
SENANG
No.
Parameter
Nilai
1.
Brow Position Left and Right
0
2.
Brow Emotion Left and Right
0
3.
Brow Wrinkle
0
4.
Eye Open
0
5.
Sneer Left and Right
0
6.
Mouth Open
7.
Mouth Smile Left and Right
50
200
METODE PENELITIAN
PARAMETER WAJAH (3)
SEDIH
No.
Parameter
Nilai
1.
Brow Position Left and Right
-100
2.
Brow Emotion Left and Right
150
3.
Brow Wrinkle
200
4.
Eye Open
5.
Sneer Left and Right
0
6.
Mouth Open
0
7.
Mouth Smile Left and Right
-100
-300
METODE PENELITIAN
PARAMETER WAJAH (4)
MARAH
No.
Parameter
Nilai
1.
Brow Position Left and Right
-100
2.
Brow Emotion Left and Right
0
3.
Brow Wrinkle
4.
Eye Open
200
5.
Sneer Left and Right
200
6.
Mouth Open
100
7.
Mouth Smile Left and Right
-200
0
METODE PENELITIAN
PARAMETER WAJAH (5)
TAKUT
No.
Parameter
Nilai
1.
Brow Position Left and Right
-100
2.
Brow Emotion Left and Right
150
3.
Brow Wrinkle
200
4.
Eye Open
100
5.
Sneer Left and Right
100
6.
Mouth Open
100
7.
Mouth Smile Left and Right
-150
METODE PENELITIAN
PARAMETER WAJAH (6)
JIJIK
No.
Parameter
Nilai
1.
Brow Position Left and Right
50
2.
Brow Emotion Left and Right
-50
3.
Brow Wrinkle
4.
Eye Open
-50
5.
Sneer Left and Right
300
6.
Mouth Open
150
7.
Mouth Smile Left and Right
-100
-100
METODE PENELITIAN
LOGIKA FUZZY
MASUKAN
µ
rendah
sedang
tinggi
1
0
0,2
0,4 0,6
0,8
1
METODE PENELITIAN
LOGIKA FUZZY (2)
KELUARAN
No.
Brow
Wrinkle
Jenis Emosi
Nilai
1.
Netral
0
2.
Senang
0
3.
Sedih
200
4.
Marah
-200
5.
Takut
200
6.
Jijik
-100
METODE PENELITIAN
LOGIKA FUZZY (3)
ATURAN
If Emosi1 = A AND
Emosi2 = B AND
Emosi3 = C AND
Emosi4 = D AND
Emosi5 = E AND
THEN Parameter is F
Jumlah Input ^ Jumlah
Varibel Linguistik
3 ^ 5 = 243
If Senang = Sedang AND
Sedih = Rendah AND
Marah = Sedang AND
Takut = Rendah AND
Jijik
= Rendah AND
THEN Brow Wrinkle is Senang
21 Aturan
METODE PENELITIAN
VISUALISASI EMOSI
No.
Parameter
Nilai
1.
Brow Position Left and Right
50
2.
Brow Emotion Left and Right
-50
3.
Brow Wrinkle
4.
Eye Open
-50
5.
Sneer Left and Right
300
6.
Mouth Open
150
7.
Mouth Smile Left and Right
-100
-100
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
PEMBAHASAN
EVALUASI KLASIFIKASI TEKS
70
akurasi (%)
65
60
55
akurasi
50
45
40
0.1
0.2
0.3
0.4
0.5
0.6
rasio data
0.7
0.8
0.9
PEMBAHASAN
PERCOBAAN 1
“ketika saya berhasil
mempertahankan
hubungan saya
dengan seorang
gadis”
No.
Parameter
senang
marah
sedih
jijik
takut
0.5208962169
0.3022667838
0.09009898541
0.06507883748
0.02165917644
Senang
Marah
Teks 1
1.
Brow Position Left and Right
0
-100
-11,6
2.
Brow Emotion Left and Right
0
0
29,2
3.
Brow Wringkle
0
-200
-75,2
4.
Eye Open
0
200
108
5.
Sneer Left and Right
0
200
107
6.
Mouth Open
50
100
119
7.
Mouth Smile Left and Right
200
0
38,7
PEMBAHASAN
PERCOBAAN 2
sedih
marah
jijik
senang
takut
“ketika saya
bertengkar
dengan teman
dekat”
No.
Parameter
0.3215331076
0.2744905029
0.213093341
0.1707853052
0.02009774331
Sedih
Marah
Jijik
Teks 2
1.
Brow Position Left and Right
-100
-100
50
-35,2
2.
Brow Emotion Left and Right
150
0
-50
59
3.
Brow Wringkle
200
-200
-100
4,05
4.
Eye Open
-100
200
-50
47,7
5.
Sneer Left and Right
0
200
300
124
6.
Mouth Open
0
100
150
113
7.
Mouth Smile Left and Right
-300
0
-100
-72
PEMBAHASAN
PERCOBAAN 3
“ketika
teman dekat
berbohong
pada saya”
marah
senang
jijik
sedih
takut
0.4354774695
0.267174978
0.1461661016
0.1192149594
0.03196649149
No.
Parameter
Marah
Senang
Jijik
Teks 3
1.
Brow Position Left and Right
-100
0
50
-46,6
2.
Brow Emotion Left and Right
0
0
-50
27,2
3.
Brow Wringkle
-200
0
-100
-121
4.
Eye Open
200
0
-50
143
5.
Sneer Left and Right
200
0
300
164
6.
Mouth Open
100
50
150
117
7.
Mouth Smile Left and Right
0
200
-100
35,2
PEMBAHASAN
PERCOBAAN 4
takut
marah
senang
jijik
sedih
“ketika saya
jatuh dan
kaki saya
patah”
0.4932584463
0.2670615728
0.1307485149
0.0685675256
0.04036394041
No.
Parameter
Takut
Marah
Senang
Teks 4
1.
Brow Position Left and Right
-100
-100
0
-66
2.
Brow Emotion Left and Right
150
0
0
99
3.
Brow Wringkle
200
-200
0
87,8
4.
Eye Open
100
200
0
108
5.
Sneer Left and Right
100
200
0
143
6.
Mouth Open
100
100
50
182
7.
Mouth Smile Left and Right
-150
0
200
-63,1
PEMBAHASAN
PERCOBAAN 5
“anak kecil yang
kencing
sembarangan di
depan umum”
No.
Parameter
jijik
takut
marah
sedih
senang
Jijik
0.6849140535
0.2080751219
0.08833650855
0.009824129096
0.008850187021
Takut
Teks 1
1.
Brow Position Left and Right
50
-100
29,5
2.
Brow Emotion Left and Right
-50
150
-26
3.
Brow Wringkle
-100
200
-76,9
4.
Eye Open
-50
100
-31,7
5.
Sneer Left and Right
300
100
257
6.
Mouth Open
150
100
182
7.
Mouth Smile Left and Right
-100
-150
-63,1
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
PENUTUP
KESIMPULAN
Dengan menggunakan klasifikasi teks, maka dapat
dapat dikenali jenis emosi yang terkandung dalam
sebuah teks.
Dengan menggunakan metode Naive Bayes dan Logika
Fuzzy dapat dihasilkan parameter pembentuk ekspresi
wajah yang dipengaruhi oleh lebih dari satu jenis
emosi.
PENUTUP
RENCANA KE DEPAN
Penambahan jumlah emosi dasar menjadi 6 (enam)
jenis emosi
Penambahan jumlah data teks
Memperbaiki kualitas visualisai ekspresi dengan cara
mengganti obyek wajah dan menambah animasi pada
setiap pergantian emosi.
REFERENSI
Chuang, Ze-Jing, Chung-Hsien Wu. Multi-Modal Emotion Recognition from
Speech and Text. Computational Linguistics and Chinese Language
Processing Vol. 9, No. 2
Danisman Taner, Alpkocak Adil. (2008). Feeler : Emotion Classification of
Text Using Vector Space Model.
El-Nasr Magy Seif, Yen John. (1999). Agent, Emotional Inteligent and Fuzzy
Logic.
El-Nasr Magy Seif, Ioerger Thomas R., Yen John .(1998). Learning and
Emotional Intelligent in Agents.
M. Tekalp. (1999). “Face and 2-D Mesh Animation in MPEG-4.” Tutorial
Issue On The MPEG-4 Standard. ImageCommunication Journal,
Elsevier.
Suyanto, (2008), Soft Computing, Membangun Mesin ber-IQ Tinggi.
Informatika: Bandung.
TERIMA KASIH
DIMENSI MENGGUNAKAN NAIVE BAYES DAN
LOGIKA FUZZY
DOSEN PEMBIMBING
Moch. Hariadi, S.T., M.Sc., Ph.D.
Mitra Istiar Wardhana
2208205720
LATAR BELAKANG
Emosi mempunyai peran yang penting dalam
komunikasi antar manusia
Penelitian di bidang emosi merupakan sebuah
proses yang kompleks
Kecerdasan buatan yang mampu memproses
emosi
PERUMUSAN MASALAH
Bagaimana mengenali jenis emosi dari
sebuah teks berbahasa Indonesia ?
Bagaimana menampilkan emosi berupa
ekspresi wajah yang dipengaruhi oleh
lebih dari satu emosi ?
TUJUAN PENELITIAN
Mengenali jenis emosi dari sebuah
teks berbahasa Indonesia.
Memperoleh tampilan emosi berupa
ekspresi wajah dari sebuah teks
berbahasa Indonesia.
MANFAAT PENELITIAN
Ditemukannya teknik yang bisa digunakan
untuk mengenali jenis emosi dari teks
berbahasa Indonesia
Ditemukannya model kecerdasan buatan yang
bisa digunakan untuk menghasilkan tampilan
emosi berupa ekspresi wajah dari teks
berbahasa Indonesia
KONTRIBUSI
Pengenalan emosi pada teks
menggunakan Naïve Bayes
Ekspresi Emosi menggunakan Naïve
Bayes dan Logika Fuzzy
HIPOTESA
Klasifikasi teks bisa dilakukan dengan metode
Naïve Bayes
Logika Fuzzy digunakan untuk menyelesaikan
masalah ketidakpastian
Dengan Naïve Bayes dan Logika Fuzzy
bisa dihasilkan nilai parameter wajah
pembentuk ekspresi dari masukan
teks
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
DASAR TEORI
EMOSI
Kondisi mental yang muncul secara spontan
Diikuti perubahan bentuk fisik
DASAR TEORI
EMOSI(2)
Emosi Dasar
Nama
Emosi Dasar
Plutchik
Penerimaan, marah, antisipasi,
jijik,senang, takut, sedih, terkejut.
Ekman,
Friesen,
Ellsworth
Marah, jijik, takut, senang, sedih, terkejut.
Frijda
Keinginan, senang, tertarik, terkejut,
kagum, sedih
Izard
Marah, penghinaan, jijik, sedih, takut,
bersalah, tertarik, senang, malu, terkejut.
James
Takut, sedih, cinta, marah
Mowrer
Sakit, bahagia
Oatley dan Johnson-Laird
Marah, jijik, gelisah, senang, sedih.
DASAR TEORI
EMOSI(3)
Emosi Dasar :
• Taner Danisman dan Adil Alpkocak, 2008
• M. Telkap, 1999
1. Senang
4. Takut
2. Sedih
5. Jijik
3. Marah
DASAR TEORI
EMOSI(4)
Jenis Emosi
Netral
Deskripsi
1.
2.
3.
4.
5.
6.
Seluruh otot wajah dalam kondisi rileks
Kelopak mata bersinggungan dengan retina
Bibir atas dan bawah saling bersentuhan
Garis bibir berbentuk horisontal dan ujung bibir rata
Mulut tertutup
Gigi atas dan bawah saling bersetuhan
DASAR TEORI
EMOSI(5)
Jenis Emosi
Deskripsi
Senang
1. Posisi alis mata rileks.
2. Posisi mulut terbuka dan ujung mulut tertarik ke arah telinga.
Sedih
1. Posisi alis mata bagian dalam terangkat ke atas.
2. Mata agak terpejam
3. Bentuk mulut rileks.
Marah
1. Posisi alis mata bagian dalam tertarik ke bawah
2. Mata terbuka lebar.
3. Bibir atas dan bawah saling menekan atau terbuka lebar untuk
memperlihatkan gigi.
Takut
1. Posisi alis mata terangkat ke atas dan bersama-sama, dimana
bagian dalam alis cenderung lebih ke atas.
2. Mata tegang dan perhatian.
Jijik
1. Posisi alis mata dan kelopak mata rileks.
2. Mulut bagian atas terangkat dan melengkung.
DASAR TEORI
KLASIFIKASI TEKS
Memprediksi kelas/kategori dari sebuah teks
Mendapatkan hadiah dari teman saya saat
ulang tahun
SENANG
SEDIH
MARAH
TAKUT
JIJIK
DASAR TEORI
NAÏVE BAYES
TEOREMA BAYES
P (A|B) = (P(B|A) * P(A)) / P(B)
P(Senang|Teks)
TEKS
Naïve
Bayes
Classifier
P(Sedih|Teks)
P(Marah|Teks)
P(Takut|Teks)
P(Jijik|Teks)
DASAR TEORI
LOGIKA FUZZY
Menangani masalah ketidakpastian (Suyanto,2008)
Mengandung keraguan
Kurang lengkapnya informasi
Nilai kebenarannya bersifat sebagian
DASAR TEORI
LOGIKA FUZZY (2)
P(Senang|Teks)
P(Sedih|Teks)
P(Marah|Teks)
P(Takut|Teks)
P(Jijik|Teks)
Logika
PARAMETER
Fuzzy
WAJAH
DASAR TEORI
MODEL WAJAH TIGA DIMENSI
Ludwig (Jason Pierce)
DASAR TEORI
MODEL WAJAH TIGA DIMENSI (2)
No.
Parameter
Batas Bawah Batas Atas Jangkauan
Nilai
1.
Brow Position Left
and Right
-250
250
500
2.
Brow Emotion Left
and Right
-200
200
400
3.
Brow Wrinkle
-200
250
450
4.
Eye Open
-400
400
800
5.
Sneer Left and
Right
-200
200
400
6.
Mouth Open
-300
300
600
7.
Mouth Smile Left
and Right
-300
300
600
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
METODE PENELITIAN
Data Teks
dengan
Emosi
Klasifikasi Teks
Berd. Jenis
Emosi
P(Senang|teks) = 0,6
P(Sedih|teks) = 0.2
P(Takut|teks) = 0,1
P(Marah|teks) = 0,05
P(Jijik|teks)
= 0 ,05
“aya berhasil lulus
ujia se ester
Visualisasi
Emosi berupa
Ekspresi Wajah
Nilai Peluang
Teks terhadap
kelas Emosi
Nilai
Parameter
Wajah
Brow Position = 103
Brow Emotion = 40
Brow Wringkle = 29
Eye Open
= 130
Sneer
= 104
Mouth Open = 7
Mouth Smile = 108
Logika Fuzzy
METODE PENELITIAN
KLASIFIKASI TEKS
Jumlah Data : 1000 Kalimat
5 Kelas Emosi :
1. Senang : 200
2. Sedih : 200
3. Marah : 200
4. Takut : 200
5. Jijik : 200
METODE PENELITIAN
PARAMETER WAJAH
NETRAL
No.
Parameter
Nilai
1.
Brow Position Left and Right
0
2.
Brow Emotion Left and Right
0
3.
Brow Wrinkle
0
4.
Eye Open
0
5.
Sneer Left and Right
0
6.
Mouth Open
7.
Mouth Smile Left and Right
250
0
METODE PENELITIAN
PARAMETER WAJAH (2)
SENANG
No.
Parameter
Nilai
1.
Brow Position Left and Right
0
2.
Brow Emotion Left and Right
0
3.
Brow Wrinkle
0
4.
Eye Open
0
5.
Sneer Left and Right
0
6.
Mouth Open
7.
Mouth Smile Left and Right
50
200
METODE PENELITIAN
PARAMETER WAJAH (3)
SEDIH
No.
Parameter
Nilai
1.
Brow Position Left and Right
-100
2.
Brow Emotion Left and Right
150
3.
Brow Wrinkle
200
4.
Eye Open
5.
Sneer Left and Right
0
6.
Mouth Open
0
7.
Mouth Smile Left and Right
-100
-300
METODE PENELITIAN
PARAMETER WAJAH (4)
MARAH
No.
Parameter
Nilai
1.
Brow Position Left and Right
-100
2.
Brow Emotion Left and Right
0
3.
Brow Wrinkle
4.
Eye Open
200
5.
Sneer Left and Right
200
6.
Mouth Open
100
7.
Mouth Smile Left and Right
-200
0
METODE PENELITIAN
PARAMETER WAJAH (5)
TAKUT
No.
Parameter
Nilai
1.
Brow Position Left and Right
-100
2.
Brow Emotion Left and Right
150
3.
Brow Wrinkle
200
4.
Eye Open
100
5.
Sneer Left and Right
100
6.
Mouth Open
100
7.
Mouth Smile Left and Right
-150
METODE PENELITIAN
PARAMETER WAJAH (6)
JIJIK
No.
Parameter
Nilai
1.
Brow Position Left and Right
50
2.
Brow Emotion Left and Right
-50
3.
Brow Wrinkle
4.
Eye Open
-50
5.
Sneer Left and Right
300
6.
Mouth Open
150
7.
Mouth Smile Left and Right
-100
-100
METODE PENELITIAN
LOGIKA FUZZY
MASUKAN
µ
rendah
sedang
tinggi
1
0
0,2
0,4 0,6
0,8
1
METODE PENELITIAN
LOGIKA FUZZY (2)
KELUARAN
No.
Brow
Wrinkle
Jenis Emosi
Nilai
1.
Netral
0
2.
Senang
0
3.
Sedih
200
4.
Marah
-200
5.
Takut
200
6.
Jijik
-100
METODE PENELITIAN
LOGIKA FUZZY (3)
ATURAN
If Emosi1 = A AND
Emosi2 = B AND
Emosi3 = C AND
Emosi4 = D AND
Emosi5 = E AND
THEN Parameter is F
Jumlah Input ^ Jumlah
Varibel Linguistik
3 ^ 5 = 243
If Senang = Sedang AND
Sedih = Rendah AND
Marah = Sedang AND
Takut = Rendah AND
Jijik
= Rendah AND
THEN Brow Wrinkle is Senang
21 Aturan
METODE PENELITIAN
VISUALISASI EMOSI
No.
Parameter
Nilai
1.
Brow Position Left and Right
50
2.
Brow Emotion Left and Right
-50
3.
Brow Wrinkle
4.
Eye Open
-50
5.
Sneer Left and Right
300
6.
Mouth Open
150
7.
Mouth Smile Left and Right
-100
-100
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
PEMBAHASAN
EVALUASI KLASIFIKASI TEKS
70
akurasi (%)
65
60
55
akurasi
50
45
40
0.1
0.2
0.3
0.4
0.5
0.6
rasio data
0.7
0.8
0.9
PEMBAHASAN
PERCOBAAN 1
“ketika saya berhasil
mempertahankan
hubungan saya
dengan seorang
gadis”
No.
Parameter
senang
marah
sedih
jijik
takut
0.5208962169
0.3022667838
0.09009898541
0.06507883748
0.02165917644
Senang
Marah
Teks 1
1.
Brow Position Left and Right
0
-100
-11,6
2.
Brow Emotion Left and Right
0
0
29,2
3.
Brow Wringkle
0
-200
-75,2
4.
Eye Open
0
200
108
5.
Sneer Left and Right
0
200
107
6.
Mouth Open
50
100
119
7.
Mouth Smile Left and Right
200
0
38,7
PEMBAHASAN
PERCOBAAN 2
sedih
marah
jijik
senang
takut
“ketika saya
bertengkar
dengan teman
dekat”
No.
Parameter
0.3215331076
0.2744905029
0.213093341
0.1707853052
0.02009774331
Sedih
Marah
Jijik
Teks 2
1.
Brow Position Left and Right
-100
-100
50
-35,2
2.
Brow Emotion Left and Right
150
0
-50
59
3.
Brow Wringkle
200
-200
-100
4,05
4.
Eye Open
-100
200
-50
47,7
5.
Sneer Left and Right
0
200
300
124
6.
Mouth Open
0
100
150
113
7.
Mouth Smile Left and Right
-300
0
-100
-72
PEMBAHASAN
PERCOBAAN 3
“ketika
teman dekat
berbohong
pada saya”
marah
senang
jijik
sedih
takut
0.4354774695
0.267174978
0.1461661016
0.1192149594
0.03196649149
No.
Parameter
Marah
Senang
Jijik
Teks 3
1.
Brow Position Left and Right
-100
0
50
-46,6
2.
Brow Emotion Left and Right
0
0
-50
27,2
3.
Brow Wringkle
-200
0
-100
-121
4.
Eye Open
200
0
-50
143
5.
Sneer Left and Right
200
0
300
164
6.
Mouth Open
100
50
150
117
7.
Mouth Smile Left and Right
0
200
-100
35,2
PEMBAHASAN
PERCOBAAN 4
takut
marah
senang
jijik
sedih
“ketika saya
jatuh dan
kaki saya
patah”
0.4932584463
0.2670615728
0.1307485149
0.0685675256
0.04036394041
No.
Parameter
Takut
Marah
Senang
Teks 4
1.
Brow Position Left and Right
-100
-100
0
-66
2.
Brow Emotion Left and Right
150
0
0
99
3.
Brow Wringkle
200
-200
0
87,8
4.
Eye Open
100
200
0
108
5.
Sneer Left and Right
100
200
0
143
6.
Mouth Open
100
100
50
182
7.
Mouth Smile Left and Right
-150
0
200
-63,1
PEMBAHASAN
PERCOBAAN 5
“anak kecil yang
kencing
sembarangan di
depan umum”
No.
Parameter
jijik
takut
marah
sedih
senang
Jijik
0.6849140535
0.2080751219
0.08833650855
0.009824129096
0.008850187021
Takut
Teks 1
1.
Brow Position Left and Right
50
-100
29,5
2.
Brow Emotion Left and Right
-50
150
-26
3.
Brow Wringkle
-100
200
-76,9
4.
Eye Open
-50
100
-31,7
5.
Sneer Left and Right
300
100
257
6.
Mouth Open
150
100
182
7.
Mouth Smile Left and Right
-100
-150
-63,1
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
Penutup
PENUTUP
KESIMPULAN
Dengan menggunakan klasifikasi teks, maka dapat
dapat dikenali jenis emosi yang terkandung dalam
sebuah teks.
Dengan menggunakan metode Naive Bayes dan Logika
Fuzzy dapat dihasilkan parameter pembentuk ekspresi
wajah yang dipengaruhi oleh lebih dari satu jenis
emosi.
PENUTUP
RENCANA KE DEPAN
Penambahan jumlah emosi dasar menjadi 6 (enam)
jenis emosi
Penambahan jumlah data teks
Memperbaiki kualitas visualisai ekspresi dengan cara
mengganti obyek wajah dan menambah animasi pada
setiap pergantian emosi.
REFERENSI
Chuang, Ze-Jing, Chung-Hsien Wu. Multi-Modal Emotion Recognition from
Speech and Text. Computational Linguistics and Chinese Language
Processing Vol. 9, No. 2
Danisman Taner, Alpkocak Adil. (2008). Feeler : Emotion Classification of
Text Using Vector Space Model.
El-Nasr Magy Seif, Yen John. (1999). Agent, Emotional Inteligent and Fuzzy
Logic.
El-Nasr Magy Seif, Ioerger Thomas R., Yen John .(1998). Learning and
Emotional Intelligent in Agents.
M. Tekalp. (1999). “Face and 2-D Mesh Animation in MPEG-4.” Tutorial
Issue On The MPEG-4 Standard. ImageCommunication Journal,
Elsevier.
Suyanto, (2008), Soft Computing, Membangun Mesin ber-IQ Tinggi.
Informatika: Bandung.
TERIMA KASIH