Pengenalan Ekspresi Wajah dengan Metode Viola Jones dan Convolutional Neural Network

Reynaldo, Reza Rizki; Maliki, Irfan

doi:10.34010/komputika.v10i1.4119

Cited by 4 publications

(5 citation statements)

References 8 publications

(10 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pentingnya penelitian terkait ekspresi wajah adalah membantu perkembangan teknologi di dunia dalam memainkan peran penting dalam interaksi komputer dan manusia. Pengenalan ekspresi wajah manusia ini bisa diaplikasikan pada perancangan robot, kamera pengawas keamanan, pengenalan password pada android, game interaktif, serta dapat digunakan untuk memainkan pemutar musik berdasarkan ekspresi wajah (Reynaldo & Maliki, 2021).…”

Section: Pendahuluanunclassified

Implementasi Algoritma K-Nearest Neighbor (K-NN) dalam Mengklasifikasikan Berbagai Jenis Ekspresi Wajah Manusia

Khaliqah,

Sarifah,

Khotijah

2024

zeta

View full text Add to dashboard Cite

Ekspresi wajah manusia adalah bentuk respon alami yang ditunjukkan oleh manusia untuk memperlihatkan perasaan yang sedang dirasakan saat berinteraksi sosial, yang mana dalam berinteraksi sosial, kondisi emosi yang baik menjadi penting dalam menjalin komunikasi yang baik. Pentingnya penelitian terkait ekspresi wajah adalah membantu perkembangan teknologi di dunia dalam memainkan peran penting dalam interaksi komputer dan manusia. Adanya penelitian ini bertujuan untuk mengklasifikasikan ekspresi wajah manusia menggunakan algoritma K-Nearest Neighbor dengan dibantu ekstraksi ciri GLCM sebagai variabel yang dijadikan inputan pada proses klasifikasi. Pada penelitian ini dilakukan dua jenis pengujian, yaitu dengan jumlah data yang lebih banyak dan jumlah data yang lebih sedikit dengan penggunaan k=1, k=3, dan k=5 dengan tujuan mengetahui tingkat akurasi yang lebih baik dari algoritma K-Nearest Neighbor. Setelah dilakukan pengujian didapatkan hasil akurasi yang lebih baik dari algoritma K-Nearest Neighbor adalah dengan jumlah data yang lebih banyak dengan penggunaan k=1, yaitu dengan tingkat akurasi mencapai 100%. Jadi dapat disimpulkan bahwa algoritma K-Nearest Neighbor dapat mencapai akurasi terbaiknya dalam mengklasifikasikan jenis ekspresi wajah manusia adalah dengan pengujian data yang lebih banyak dan dengan penggunaan k=1.

show abstract

Section: Pendahuluanunclassified

Implementasi Algoritma K-Nearest Neighbor (K-NN) dalam Mengklasifikasikan Berbagai Jenis Ekspresi Wajah Manusia

Khaliqah,

Sarifah,

Khotijah

2024

zeta

View full text Add to dashboard Cite

show abstract

“…Viola-Jones is a popular method for face detection. Research by Irfan Maliki and Reza Pizki Reynaldo used a combination of Viola-Jones and convolutional neural network to recognize seven facial expressions (normal, fear, surprise, anger, disgust, sadness, and joy) with 96.14% accuracy [5]. This research uses Local Binary Pattern and Support Vector Machine methods to recognize angry and happy facial expressions.…”

Section: Related Workmentioning

confidence: 99%

“…The following research was conducted by Irfan Maliki and Reza Pizki Reynaldo [5]. Facial expression recognition can be made more accurate by using artificial neural networks and the viola jones approach.…”

Section: Introductionmentioning

confidence: 99%

Recognition of Angry and Happy Facial Expressions with Local Binary Pattern and Support Vector Machine

Furqon,

Sela

2024

JIPIRS

View full text Add to dashboard Cite

Looks are a huge sort of nonverbal correspondence for getting a handle on a singular's opinions and sentiments. Look affirmation has various potential applications, including security, tutoring, and prosperity systems. The justification for this assessment is for a look affirmation system using area twofold model and sponsorship vector machine techniques. It is typical that this structure can perceive two kinds of sentiments, to be explicit angry and delighted to get the right assumption. First accumulate fundamental data and assistant data from Kaggle and phone cameras, second preprocessing data with grayscale and resizing, third surface features using Area equal model extraction, fourth assist vector with machining about look request used, finally structure evaluation considering precision, exactness, survey, and F-1 worth. The results show that the look affirmation system works honorably on area matched model and sponsorship vector machine. On this investigation dataset, support vector machine gathering on direct part has favored execution over winding reason ability segment. The most significant precision was achieved with the straight part at 86.25%. This study assumes that the look affirmation structure can work outstandingly with neighborhood matched model and sponsorship vector machine. The straight part shows better execution on this investigation dataset. This assessment can be also advanced by adding more looks, incorporate extraction methods, and plan.

show abstract

“…Bagian pertama, Convolutional layer terdiri atas neuron yang disusun sedemikian rupa yang membentuk suatu kernel konvolusi atau biasa disebut sebagai filter yang memiliki panjang dan tinggi (Reynaldo, 2019). Lapisan ini akan menghitung output dengan persamaan (1) (Achmad et al, 2019).…”

Section: Feature Extraction Layerunclassified

“…Lapisan ini memiliki neuron yang terhubung secara penuh ke semua aktivasi di dalam lapisan sebelumnya. Bagian ini sama persis dengan Multilayer Perceptron pada bagian model aktivasinya yaitu dengan komputasi yang menggunakan suatu perkalian matriks yang diikuti dengan bias offset (Reynaldo, 2019). Sesuai dengan namanya MLP memiliki lapisan ganda yang terdiri atas hidden layer, activation layer dan output layer yang dapat dilihat pada Gambar 9 (Superdatascience., 2021).…”

Section: Fully Connected Layerunclassified

Pengenalan Bentuk Wajah Dengan Metode Convolutional Neural Network Untuk Pemilihan Model Kacamata Secara Online

Budianto,

Herwindiati,

Hendryli

2023

j.nanotechnol.inf.

View full text Add to dashboard Cite

Glasses were originally only a visual aid for someone who had a visual impairment, but over time glasses have developed into a fashion necessity. Glasses can generally be tried directly in optics, but due to the pandemic, there are restrictions on interaction so that glasses cannot be tried directly. This research discusses face shape recognition using the Viola Jones method and the Convolutional Neural Network method which is useful for providing recommendations for selecting glasses models via online. The input data is an external data from the Kaggle site which has five face shapes namely heart, rectangle, oval, round, and square. The training process is carried out to train the machine to recognize the user's face shape according to its class. The testing process provides accuracy results of 84.38% and macro average values for precision of 85%, recall of 85% and F1-Score of 84%. This system is expected to help users of glasses to choose a model of glasses that suits their face shape online.

show abstract

Pengenalan Ekspresi Wajah dengan Metode Viola Jones dan Convolutional Neural Network

Cited by 4 publications

References 8 publications

Implementasi Algoritma K-Nearest Neighbor (K-NN) dalam Mengklasifikasikan Berbagai Jenis Ekspresi Wajah Manusia

Implementasi Algoritma K-Nearest Neighbor (K-NN) dalam Mengklasifikasikan Berbagai Jenis Ekspresi Wajah Manusia

Recognition of Angry and Happy Facial Expressions with Local Binary Pattern and Support Vector Machine

Pengenalan Bentuk Wajah Dengan Metode Convolutional Neural Network Untuk Pemilihan Model Kacamata Secara Online

Contact Info

Product

Resources

About