Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-1195 (Softcopy T-903) Source code T- 288 Mak T - 007
Collection Type Tesis
Title Analisis Bentuk Ekspresi Wajah Menggunakan Generalized Procrustes Analysis (GPA) Pada Active Appearance Model (AAM) Untuk Pengenalan Citra Ekspresi Wajah
Author Desy Komalasari;
Publisher Depok: Fakultas Ilmu Komputer, 2017
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-1195 (Softcopy T-903) Source code T- 288 Mak T - 007 TERSEDIA
Tidak ada review pada koleksi ini: 45018
ABSTRAK

ABSTRAK Nama : Desy Komalasari Program Studi : Ilmu Komputer Judul : Analisis Bentuk Ekspresi Wajah Menggunakan Generalized Procrustes Analysis (GPA) Pada Active Appearance Model (AAM) Untuk Pengenalan Citra Ekspresi Wajah Analisis ekspresi wajah merupakan bidang yang berkembang dalam pengolahan sinyal sosial. Tujuannya adalah untuk membedakan beberapa emosi yaitu, senang, sedih, marah, terkejut, jijik dan takut. Permasalahan pada pengenalan emosi ialah adanya kemiripan emosi, variasi emosi, dan independen objek pada citra wajah. Penelitian ini fokus dalam menghasilkan fitur yang optimal dalam proses pengenalan ekspresi wajah. Kunci utama pada penelitian ini menghasilkan suatu model bentuk wajah yang fit terhadap citra wajah. Teknik yang digunakan ialah Generalized Procrustes Analysis (GPA). Pada penelitian ini GPA diterapkan pada Active Appearance Model (AAM) untuk menganalisa bentuk wajah pada suatu citra. GPA melakukan superimpose terhadap dua objek lalu dibandingkan perbedaannya dengan menggunakan pengukuran jarak. Penelitian ini melakukan perbandingan jarak Least Squared dan Maksimum. Penelitian ini juga mempertimbangkan penggnaan fitur tekstur dan mengkombinasikannya dengan fitur bentuk. Metode ekstraksi fitur tekstur yang digunakan adalah Gabor. Untuk pengenalan ekspresi wajah, penelitian ini menggunakan metode Support Vector Machine (SVM). Dengan menggunakan kombinasi fitur bentuk dan tekstur serta penerapan SVM pada sistem pengenalan ekspresi wajah, pada penelitian ini mampu menghasilkan hasil akurasi yang sangat baik yakni 93.5% untuk CK+ dataset, 94.7% untuk Jaffe dataset, dan 80.76% untuk data buatan. Kata Kunci: Analisis Ekspresi Wajah, Active Appearance Model, Generalized Procrustes Analysis, Jarak, Kombinasi Fitur, Support Vector Machine.