Penerapan Algoritma K Nearest Neighbor untuk Perancangan Sistem Deteksi Micro-Expressions dengan Menggunakan Intel Realsense
Abstract
Micro-expressions adalah ekspresi wajah yang muncul sangat cepat sehingga sulit untuk dideteksi oleh orang pada umumnya. Micro-expressions muncul secara spontan akibat respon dari saraf kranial yang memicu pergerakan otot-otot wajah. Telah banyak dilakukan penelitian terhadap micro-expressions terutama persoalan dalam mendeteksi micro-expressions. Pendeteksian micro-expressions yang sulit membutuhkan seorang ahli untuk mendeteksinya. Maka yang menjadi masalahnya yaitu masih sedikitnya ahli pada bidang ini dan untuk mengundang mereka tentu memerlukan biaya yang tidak sedikit. Untuk itu pada proyek akhir ini dibangun sistem pendeteksi micro-expressions dengan menerapkan algoritma data mining yakni k-NN yang mengklasifikasikan masukan dari alat pendeteksi gerak, Intel RealSense. Terdapat dua pengujian yang dilakukan yaitu pengujian tingkat akurasi dan skala likert. Hasil pengujian tingkat akurasi dengan metode confusion matrix terhadap data training menyatakan tingkat akurasi sistem sebesar 99%. Sedangkan hasil tingkat akurasi dengan confusion matrix dari data responden menyatakan tingkat akurasi sistem sebesar 72%. Pengujian terakhir dilakukan dengan menggunakan kuesioner terhadap responden. Hasilnya sistem dinilai sangat baik dari segi usability dan sangat baik/baik dari segi ketepatan hasil deteksi.Kata kunci:Micro-expressions, Data Mining, k-NN, Intel RealSense, Deteksi Micro-expressionsReferences
Boucher, Jerry D. & Ekman, Paul. (1975). Facial Areas and Emotional Information. Los Angeles: The Annenberg School of Communications.
Hardee, Gary, Zielke, Marjorie A. & Dufour, Frank. (2011). Creating Micro-expressions and Nuanced Nonverbal Communication in Synthetic Cultural Characters and Environments. Texas: University of Texas.
Shahani, Karan. (2012). Using Microexpressions to Pinpoint Deceptive Behaviour. Kanada: McGill University.
Pfister, Tomas, Li, Xiaobai, Zhao, Guoying & Pietikainen, Matti. (2011). Recognising Spontaneous Facial Micro-expressions. Finlandia: University of Oulu.
Shreve, Matthew, Godavarthy, Sridhar, Goldgof, Dmitry & Sarkar, Sudeep (2011). (2011). Macro- and Micro-Expression Spotting in Long Videos Using Spatio temporal Strain.
Krishna, Chavali Gautam, Kumar, Bhavaraju Sai, Tushal, Adusumilli & Gopal, Puripanda Venu (2014). Micro-Expression Extraction for Lie Detection Using Eulerian Video (Motion and Color) Magnification. Swedia: Blekinge Institute of Technology.
Matsumoto, David. (2008). Facial Expression Analysis. San Francisco: San Francisco State University.
Standring, S. (2005). Gray's anatomy (39thed.). New York: Elsevier/Churchill Livingstone.
Ekman, Paul & Friesen, Wallace V. (2003). Unmasking the Face. New York: Malor Books.
Putra, D. (2010). Pengolahan citra digital. Yogyakarta: ANDI.
Han, Jiawei, Kamber, Micheline & Pei, Jian. (2012). Data Mining Concepts and Techniques.
Rifa’i, Aulia Faqih. (2014). Intel Perceptual Computing Panduan Sederhana bagi Developer.
Downloads
Published
Issue
Section
License
Copyright info for authors
1. Authors hold the copyright in any process, procedure, or article described in the work and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors retain publishing rights to re-use all or portion of the work in different work but can not granting third-party requests for reprinting and republishing the work.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) as it can lead to productive exchanges, as well as earlier and greater citation of published work.
