EKSTRAKSI FITUR MENGGUNAKAN PRINCIPAL COMPONENT ANALISYS (PCA)
Abstract
Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajahmemungkinkan untuk mengenali emosi seseorang. Beberapa ekspresi wajah yang
dikelompokkan adalah ekspresi netral, gembira, terkejut, mata mengedip, mengantuk dan
sedih. Walaupun bentuk atau tampilan ekspresi tersebut berbeda-beda antara setiap
individu, manusia tetap dapat mengenalinya. Pada penelitian ini telah dibuat suatu sistem
yang dapat digunakan untuk mengenali citra ekspresi wajah manusia menggunakan metode
PCA untuk ekstraksi fitur. Hasil ekstraksi fitur dengan PCA merupakan inisialisasi untuk
dapat di kenali sebagai eigen value dari tiap-tiap ekspresi wajah
Keywords: Jaringan Syaraf Tiruan, Ekspresi wajah. Principal Component Analysis
(PCA)
Downloads
References
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).
http://vision.ucsd.edu/~iskwak/ExtYaleDatabase/ExtYaleB.html
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
Amin,M.(2012).PengelompokanPotensiDaerahdiBidang Komunikasidan
InformasiMenggunakan Principal Component Analysisdan Self Organizing
Map.Jurnal PenelitinaKomunikasi,InformasidanMediaMassa- PEKOMMAS,
(15).
Fausett,L.(1994).FundamentalsofNeoral Networks.Architectures,Algorithms and
Aplications. Prentices-Hall, New Jersey: USA.
Irawan, M.I.(2008).Exploratory Data AnalysisdenganJST- KohonenSOM: Struktur
TingkatKesejahteraan Daerah Tk II seJawa Timur.InstitutTehnologi 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.
Santosa, B. (2007). Data Mining, Teknik Pemanfaatan Data Untuk Keperluan Bisnis.
Graha Ilmu, Edisi Pertama.
Prasetyo, E. (2012). Data Mining, Konsep dan Aplikasi menggunakan Matlab. ANDI
Yoyakarta, Edisi pertama.
Purnomo, M. H. dan Muntasa A. (2010). Konsep Pengolahan Citra Digital dan
Ekstraksi Fitur. Graha Ilmu, Edisi Pertama.
Santoso, (2015). Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa
Menggunakan Smart Card Guna Pengembangan Kampus Cerdas.