SISTEM PAKAR PENGENALAN EKSPRESI WAJAH MANUSIA MENGGUNAKAN METODE KOHONEN SELF ORGANIZING DAN PRINCIPAL COMPONEN ANALYSIS

bagus hardiansyah, Puteri Noraisya Primandari

Abstract


Abstrak

sistem yang dapat digunakan untuk mengenali ekspresi wajah manusia menggunakan Jaringan Syaraf Tiruan Kohonen SOM sistem tersebut menggunakan metode PCA untuk ekstraksi fitur. Hasil ekstraksi fitur dengan PCA merupakan inisialisasi untuk proses klustering pada jaringan Kohonen SOM. Jaringan Kohonen SOM digunakan untuk membagi pola masukan kedalam beberapa kelompok (cluster). Kohonen SOM dapat mengelompokkan berdasarkan vektor-vektor  dari citra ekspresi wajah, hasil keluaran jaringan Kohonen SOM adalah kelompok yang paling dekat atau mirip dengan masukan yang diberikan. pengenalan ekspresi wajah dilakukan dengan ukuran citra masukan dan  hasilnya  80.00% didapat pada ukuran citra 90x60, dengan jumlah data pengujian 30 citra ekspresi wajah.

 

Kata kunci: Jaringan  Syaraf  Tiruan,  Kohonen  Self  Organizing  Map, Ekspresi wajah. Principal Component Analysis (PCA)


Full Text:

PDF

References


Referensi

Hardiansyah, Bagus. Pengenalan Ekspresi Wajah Menggunakan Jaringan Syaraf Tiruan Kohonen Self Organizing Maps (K-SOM). (2015). Seminar Nasional Matematika dan Pendidikan Matematika Unesa Surabaya. Surabaya. Unesa University Press. 51 – 57.

Majumder A., Behera L. dan Subramanian V. K. (2014). Emotion Recognition From Geometrical Facial Features Using Self-Organizing Maps. Pattern Recognition (47) 1282-1293.

Sun T. dan Tien F. (2008). Using backpropagation neural network for face recognition with 2D + 3D hybrid information. Expert System with Application (35) 361-372.

Leksmi P. dan Sasikumar M. (2009). Analysis of Facial Expression using Gabor and SVM. International Journal of Recent Trends in Engineering 2 (1).

Reddy K. R. L., Babu G.R., dan Kishore L. (2010). Face Recognition on Eigen Feature of Multy Scale Face Components and an Artificial Neural Network. Procedia Computer Science (2) 62-74.

Boediono, S. (2009). Pemanfaatan Jaringan Syaraf Tiruan Kohonen Self Organizing Maps Untuk Pengenalan Wajah. Tugas Akhir Jurusan Matematika ITS Surabaya

Fausett, L. (1994). Fundamentals of Neoral Networks. Architectures, Algorithms and Aplications. Prentices-Hall, New Jersey: USA.

Irawan, M. I. (2008). Exploratory Data Analysis dengan JST - Kohonen SOM: Struktur Tingkat Kesejahteraan Daerah Tk II se Jawa Timur. Institut Tehnologi Sepuluh Nopember.

Gonzales, R. C. dan Wood, R. E. (2001), Digital Image Processing. Edition, Prentice-Hall.inc.

Li, J., Hao, W., dan Zhang, X. (2015). Learning Kernel Subspace for Face Recognition. Neurocomputing (151), 1187-1197.

Kurdthongmee, W. (2008). Color Classification of Rubberwood Boards for Fingerjoint Manufacturing Using a SOM Neural Network and Image Processing. Computer and Electronics in Agriculture 64, 85-92.

Yusob, B., Shamsuddin, S. M., dan Hamed, H. N. A. (2013). Spiking Self-Organizing Maps for Classification Problem. Procedia Technologi 11, 57-64.

Zaenal, A. (2012). Rancang Bangun Sistem Pengenalan Ekspresi Wajah Menggunakan Fisherface dan Jaringan Syaraf Tiruan Backpropagation. Jurnal FMIPA UNNES 35 (2), 194-203

Wasista, S., Bayu, B. S., dan Putra, S. A. (2011). Sistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa Menggunakan Metode PCA dan DTW. Industrial Electronics Seminar, 224-229.

Sutarno. (2010). Identifikasi Ekspresi Wajah Menggunakan Alihragam Gelombang Singkat (Wavelet) dan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ). Seminar nasional Informatika UPN Veteran Yogyakarta, 87-94

Siang, J. J. (2005). Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. ANDI Yogyakarta.

Purnomo, M. H. dan Muntasa A. (2010). Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Graha Ilmu, Edisi Pertama..


Refbacks

  • There are currently no refbacks.