perbandingan antara metode jaringan syaraf tiruanrepository.upnvj.ac.id/3256/1/awal.pdf · judul...
TRANSCRIPT
PERBANDINGAN ANTARA METODE JARINGAN SYARAF TIRUAN
BACKPROPAGATION DAN SUPPORT VECTOR MACHINE PADA
PENGENALAN CITRA EKSPRESI WAJAH
SKRIPSI
ALFHARUKI RIANSYAH
0810 511 096
UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
2015
PERBANDINGAN ANTARA METODE JARINGAN SYARAF TIRUAN
BACKPROPAGATION DAN SUPPORT VECTOR MACHINE PADA
PENGENALAN CITRA EKSPRESI WAJAH
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar
Sarjana Komputer
ALFHARUKI RIANSYAH
0810 511 096
UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
2015
v
PERBANDINGAN ANTARA METODE JARINGAN SYARAF
TIRUAN BACKPROPAGATION DAN SUPPORT VECTOR
MACHINE PADA PENGENALAN CITRA EKSPRESI WAJAH
Alfharuki Riansyah
Abstrak
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.
Kata kunci : Jaringan Syarat Tiruan, Backpropagation, Support Vector Machine,
Citra, Ekspresi Wajah.
vi
THE COMPARISON OF A METHOD ARTIFICIAL NEURAL
NETWORK BACKPROPAGATION AND SUPPORT VECTOR
MACHINE ON RECOGNITION IMAGE OF FACIAL
EXPRESSION
Alfharuki Riansyah
Abstract
This study was conducted to compare both methods in recognizing image of facial
expression. Facial expressions play an important role in the interaction between
human life. The use of facial expression recognition has evolved into several
applications, one of which is the human interaction with the computer machine.
Machines doesn’t be able to recognize facial expressions like human beings The
ability to recognize can be done by machine learning. One method used to image
the pattern identification is artificial neural network. Artificial neural networks in
this study using a supervised learning method (supervised learning), the method of
Backpropagation Neural Networks and Support Vector Machine. The purpose of
this study to determine differences in processing time and accuracy of both
methods. Data collection is a database obtained JAFFE (Japanese Female Facial
Expression) is a database that contains 7 basic facial expressions of human.
Classifications includes stage until pre the process of normalization. After
obtaining the raw pixel of all expressions, the feature vector is formed. This
feature vector is used for classification by using artificial neural network
backpropagation and Support Vector Machine. Value accuracy of 20% results in
the test data where 42 images of facial expressions with Backpropagation of
61.9% of the training data and the new data by 35.71%, while the training data
results in tests on Support Vector Machine that is equal to 88, 09% and amounted
to 64.28% of new data. Conclusions derived from both methods, Support Vector
Machine method is better at recognizing facial expression image both training
data and the data in test them.
Keywords : Neural Network, Backpropagation, Support Vactor Machine, Image,
Facial Expressions.
vii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala karunia-
Nya sehingga penulisan skripsi ini berhasil di selesaikan. Judul yang dipilih dalam
penelitian ini yang dilaksanakan sejak September 2014 ini adalah “Perbandingan
antara Metode Jaringan Syaraf Tiruan Backpropagation dan Support Vector
Machine pada Pengenalan Citra Ekspresi Wajah”.
Terima kasih penulis ucapkan kepada bapak Dr. Nidjo Sandjojo, M.Sc. selaku
dekan Fakultas Ilmu Komputer, ibu Yuni Widiastiwi, S.Kom., M.Si. selaku
kepala program studi Teknik Informatika yang telah banyak banyak membantu
dan juga kepada bapak Didit Widiyanto, S.Kom, M.Si. selaku dosen pembimbing
yang telah membimbing, memberikan banyak saran serta motivasi yang sangat
bermanfaat.
Disamping itu, ucapan terima kasih juga penulis sampaikan kepada kedua
orang tua tercinta ayah Ir. Munandarsyah dan ibu Dra. Triningsih serta adik-adik
penulis yang tidak henti-hentinya memberikan penulis dukungan dan doanya
setiap waktu. Tidak lupa kepada seseorang yang special, Nurwidia, Amd.Farm.,
yang selalu ada meluangkan waktunya untuk memberikan semangat motivasi, ide
dan doanya selama penelitian sehingga penulisan skripsi ini dapat terselesaikan.
Penulis juga sampaikan terima kasih kepada seluruh teman-teman seperjuangan di
masa kuliah yang tidak bisa saya sebutkan satu persatu yang telah membantu
dalam penulisan skripsi ini.
Jakarta, 30 Januari 2015
Penulis,
( Alfharuki Riansyah )
viii
DAFTAR ISI
HALAMAN JUDUL ....................................................................................... i
PERNYATAAN ORISINALITAS ................................................................. ii
PERNYATAAN PERSETUJUAN PUBLIKASI ........................................... iii
PENGESAHAN .............................................................................................. iv
ABSTRAK ...................................................................................................... v
ABSTRACT .................................................................................................... vi
KATA PENGANTAR .................................................................................... vii
DAFTAR ISI ................................................................................................... viii
DAFTAR TABEL ........................................................................................... x
DAFTAR GAMBAR ...................................................................................... xi
DAFTAR SIMBOL .......................................................................................... xiii
DAFTAR LAMPIRAN ................................................................................... xiv
BAB I PENDAHULUAN ............................................................................. 1
I.1 Latar Belakang ........................................................................................ 1
I.2 Rumusan Masalah ................................................................................... 2
I.3 Batasan Masalah .................................................................................... 2
I.4 Tujuan Penelitian .................................................................................... 3
I.5 Luaran yang diharapkan ......................................................................... 3
I.6 Manfaat Penelitian .................................................................................. 3
I.7 Metode Penelitian ................................................................................... 4
1.8 Sistematika Penulisan ............................................................................. 4
BAB II TINJAUAN PUSTAKA .................................................................... 6
II.1 Kecerdasan Buatan (Artificial Intelligence) ........................................... 6
II.2 Citra Digital ........................................................................................... 20
II.3 Deteksi Tepi ............................................................................................ 22
II.4 Ekspresi Wajah ...................................................................................... 24
II.5 Normalisasi ............................................................................................. 25
II.6 Matlab ..................................................................................................... 26
II.7 Riview Riset............................................................................................ 28
BAB III METODOLOGI PENELITIAN ...................................................... 31
III.1 Kerangka Berpikir .................................................................................. 31
III.2 Metode Penelitian ................................................................................... 34
III.3 Perangkat Penelitian ............................................................................... 34
III.4 Penjadwalan ............................................................................................ 35
BAB IV ANALISA, PERANCANGAN DAN PEMBAHASAN ................ 37
IV.1 Analisa .................................................................................................... 37
IV.2 Perancangan Sistem ................................................................................ 38
IV.3 Hasil dan Pembahasan ............................................................................ 102
ix
BAB V KESIMPULAN DAN SARAN ....................................................... 121
V.1 Kesimpulan ............................................................................................. 121
V.2 Saran ....................................................................................................... 122
DAFTAR PUSTAKA ...................................................................................... 123
RIWAYAT HIDUP
LAMPIRAN
x
DAFTAR TABEL
Tabel 1 Parameter Ekspresi wajah ............................................................. 25
Tabel 2 Review Riset Relevan ................................................................... 28
Tabel 3 Jadwal Penelitian ........................................................................... 35
Tabel 4 Properties Rancangan Model Menu Utama .................................. 98
Tabel 5 Properties Rancangan Model Menu Proses ................................... 100
Tabel 6 Properties Rancangan Perbandingan Tabel dan Grafik ................. 101
Tabel 7 Tabel Hasil Data Pengujian Backpropagation .............................. 111
Tabel 8 Tabel Hasil Data Pengujian Support Vector Machine .................. 113
Tabel 9 Tabel Hasil Data Pengujian Backpropagation .............................. 114
Tabel 10 Tabel Hasil Data Pengujian Support Vector Machine .................. 116
Tabel 11 Tabel Hasil Perbandingan Metode ................................................ 120
xi
DAFTAR GAMBAR
Gambar 1 Penerapan Kecerdasan Buatan ................................................. 7
Gambar 2 Arsitektur Layer Tunggal ......................................................... 9
Gambar 3 Arsitektur Layer Jamak ............................................................ 10
Gambar 4 Arsitektur Layer Kompetitif ..................................................... 10
Gambar 5 Fungsi Aktivasi Threshold ....................................................... 12
Gambar 6 Fungsi Aktivasi Sigmoid .......................................................... 12
Gambar 7 Fungsi Aktivasi Identitas .......................................................... 13
Gambar 8 Arsitektur Jaringan Backpropagation....................................... 15
Gambar 9 SVM berusaha menemukan hyperlane terbaik yang
Memisahkan kedua class -1 dan +1 .......................................... 18
Gambar 10 Skema Pengolahan Citra........................................................... 21
Gambar 11 Skala Grayscale ........................................................................ 21
Gambar 12 Kerangka Berfikir ..................................................................... 31
Gambar 13 Contoh Label Name .................................................................. 38
Gambar 14 Flowchart Pra Proses (Pre Processing) .................................... 39
Gambar 15 Proses Cropping Citra .............................................................. 40
Gambar 16 Hasil Cropping Citra ................................................................ 40
Gambar 17 Proses Perubahan Ukuran Citra ................................................ 41
Gambar 18 Hasil Perubahan Ukuran Citra .................................................. 41
Gambar 19 Figure 1 Citra Asli Grayscale................................................... 42
Gambar 20 Figure 2 Hasil Filtering Noise Removal ................................... 42
Gambar 21 Figure 1 Citra Noise Removal dan Figure 2
Hasil Penajaman (Sharpening) ................................................. 44
Gambar 22 Citra yang Mengalami Proses Pendeteksian Tepi
(Edge Detection) ....................................................................... 46
Gambar 23 Data Sebelum dan Sesudah di Normalisasi .............................. 48
Gambar 24 Arsitektur Jaringan ................................................................... 91
Gambar 25 Pembelajaran Dengan Support Vector Machine ....................... 96
Gambar 26 Flowchart Proses Perancangan Model ..................................... 96
Gambar 27 Rancangan Model Menu Utama ............................................... 98
Gambar 28 Tampilan Model Menu Utama ................................................. 98
Gambar 29 Rancangan Model Menu Proses ............................................... 99
Gambar 30 Tampilan Model Menu Proses.................................................. 99
Gambar 31 Rancangan Perbandingan Tabel dan Grafik ............................. 101
Gambar 32 Tampilan Perbandingan Tabel dan Grafik ............................... 101
Gambar 33 Matriks KA.AN1.39 berukuran 200x150 pixels ...................... 102
Gambar 34 Normalisasi Matriks KA.AN1.39 ............................................. 102
Gambar 35 Matriks myTraining.mat berukuran 30000x168 pixels ............ 103
Gambar 36 Matriks myTarget.mat berukuran 1x168 .................................. 103
Gambar 37 Training dengan TRAINGD ..................................................... 104
Gambar 38 Proses Perubahan Error TRAINGD ......................................... 104
Gambar 39 Training dengan TRAINGDA .................................................. 105
Gambar 40 Proses Perubahan Error TRAINGDA ...................................... 105
xii
Gambar 41 Training dengan TRAINGDX .................................................. 106
Gambar 42 Proses Perubahan Error TRAINGDX ...................................... 106
Gambar 43 Training dengan TRAINRP ..................................................... 107
Gambar 44 Proses Perubahan Error TRAINRP.......................................... 107
Gambar 45 Training dengan TRAINCGF................................................... 108
Gambar 46 Proses Perubahan Error TRAINCGF ....................................... 108
Gambar 47 Training dengan TRAINCGP................................................... 109
Gambar 48 Proses Perubahan Error TRAINCGP ....................................... 109
Gambar 49 Training dengan TRAINCGB .................................................. 110
Gambar 50 Proses Perubahan Error TRAINCGB ...................................... 110
Gambar 51 Grafik (A) Perbandingan Tingkat Akurasi / Presisi ................. 118
Gambar 52 Grafik (B) Perbandingan Tingkat Akurasi / Presisi ................. 118
Gambar 53 Grafik (A) Perbandingan Waktu Proses ................................... 119
Gambar 54 Grafik (B) Perbandingan Waktu Proses ................................... 119
xiii
DAFTAR SIMBOL
Simbol Nama Keterangan
Terminator
Sebagai terminal, untuk
memulai dan mengakhiri
suatu program.
Process
Suatu simbol yang
menunjukkan setiap
proses pengolahan yang
dilakukan
Input / Output Data
Suatu simbol untuk
memasukkan data
maupun menunjukkan
hasil data dari suatu
proses
Document
Simbol yang digunakan
untuk data yang
berbentuk informasi
Display
Simbol yang digunakan
untuk menampilkan
informasi data
Manual Operation Menunjukan proses yang
dikerjakan secara manual.
Garis aliran (flow line) Menunjukan arus data
antar simbol/proses.
Penyimpanan/Storage
Menunjukan akses
langsung perangkat
penyimpanan/storage
pada disket
Decision
Menunjukan pilihan yang
akan dikerjakan atau
keputusan yang harus
dibuat dalam proses
pengolahan data.
xiv
DAFTAR LAMPIRAN
Lampiran 1 Citra Database JAFFE (Japanese Female Facial Expression)