Optimasi Klasifikasi Ekspresi Wajah Berdasarkan Citra Wajah Menggunakan Hog, Od-Lbp, Dan Pca
Tahun 2025 · Penulis: Frans Vito Jonathan Simamora
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Ekspresi wajah merupakan bentuk berinteraksi secara berperan besar secara nonvarbal yang memiliki pengaruh besar dalam interaksi sosial. Ekspresi wajah juga menjadi fokus berbagai perkembagan penelitan dan dalam berbagai pengaplikasian. Menurut para peneliti, ekspresi wajah didefinisikan menjadi tujuh jenis, yaitu marah, jijik, takut, bahagia, netral, sedih, dan terkejut, serta satu ekspresi wajah netral. Namun, dalam perkembangan pengenalan ekspresi wajah menghadapi berbagai tantangan, seperti dalam faktor pencahayaan, pose, deformasi, dan lingkungan yang tidak terkontrol, yang berkontribusi dalam peningkatan kompleksitas, serta dipengaruhi oleh pola peregangan otot wajah. Salah satu komponen penting dalam sistm pengenalan ekspresi wajah pengimplementasian algoritma feature extraction. seperti Histogram of Oriented gradient (HOG) dan Local Binary Pattern (LBP). HOG merupakan feature extraction berbasis gradient yang digunakan untuk mengekstraksi fitur-fitur gambar yang khas dari daerah dan digabungkan menjadi satu vektor fitur. Metode ini memiliki sifat invarian terhadap transformasi geometri, yang berarti tidak terpengaruh. Selain metode berbasis gradient, terdapat juga metode berbasis geometri seperti LBP. LBP merupakan ekstraksi tekstur yang dimana nilai-nilai pixel lingkungan dibandingkan dengan nilai pixel pusat yang menghasilkan pola biner 8 bit. LBP menjadi salah satu metode yang efektif dikarenakan memiliki sifat invariant terhadap skala abu-abu yang monoton dan kompleksitas yang rendah. Salah satu varian yang sedang berkembang dari LBP ialah Orthogonal Difference-Local Binary Pattern (OD-LBP). Untuk meningkatkan efisiensi dan akurasi dari algoritma feature exttraction, digunakan metode reduksi dimensi terhadap hasil dari feature exteraction dengan metode Principal Component Analysis (PCA). Penelitian ini menggunakan enam skenario pemodelan untuk mendapatkan model yang lebih opitmal dalam pengenalan ekspresi wajah. Enam skenario pemodelan tersebut ialah HOG dengan pixel per cell 8x8, HOG dengan pixel per cell 16x16, HOG dengan pixel per cell 8x8 + PCA, HOG dengan pixel per cell 16x16 + PCA, OD-LBP, dan OD-LBP + PCA. Dataset yang digunakan ialah dataset Japanese Female Facial Expression (JAFFE) dengan menerapkan Stratified K-Fold Cross Validation dengan 10 fold untuk melakukan pembagian data train dan data test serta menerapkan metode machine learning, yaitu SVM dengan kernel linear dan RBF untuk melakukan klasifikasi ekspresi wajah dari dataset tersebut. Hasil ekperimen menunjukkan bahwa kombinasi HOG dengan pixel per cell 16x16 + PCA memperoleh nilai akurasi tertinggi sebesar 99.09%. Selain itu, metode HOG terbukti lebih baik dalam mengidentifikasi ekspresi wajah dibandingkan metode OD-LBP, serta penerapan PCA mampu meningkatkan akurasi pada HOG dengan pixel per cell 8x8 dan HOG dengan pixel per cell 16x16 masing-masing sebesar 8.92% dan 5.58%.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,860
Tahun 2024 · Penulis: Dandy Satrio Wibowo
Penggunaan Pre-Trained Convolutional Neural Networks dan Explainable AI dalam Klasifikasi Penyakit Alzheimer berdasarkan Citra MRI Otak
Penyakit Alzheimer adalah penyakit yang menyebabkan kematian pada sel-sel saraf otak dan menurunkan volume otak seiring berjalannya waktu. Penyakit Alzheimer memiliki lima tahapan perkembangannya, yaitu tahap preclinical, mild cognitive impairment (MCI), mild,
- Cosine 0,852
Tahun 2026 · Penulis: Martri Lina Anggraini
Peningkatan Deteksi Deepfake Menggunakan Arsitektur Hibrida Multiskala Vision Transformer dan Xceptionnet (M-Vixnet)
Kemajuan pesat kecerdasan buatan, khususnya Jaringan Adversarial Generatif (Gans), telah meningkatkan secara signifikan Realisme gambar-gambar palsu yang dalam, membuat identifikasi manual semakin sulit. Perkembangan ini merupakan ancaman serius bagi keamanan
- Cosine 0,818
Tahun 2026 · Penulis: Ikbar Saif Fadilah
Perbandingan Metode Resnet50V2 dan Densenet201 Untuk Klasifikasi Penyakit Mulut Dengan Citra RGB
Penyakit mulut dan gigi adalah problem kesehatan umum yang dapat mengakibatkan komplikasi serius jika tidak terdeteksi sejak dini. Diagnosa konvensional melalui pemeriksaan visual masih memiliki keterbatasan, seperti ketergantungan pada pengalaman klinis dan k