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)