EKSPRESI EMOSI PADA MODEL WAJAH TIGA DIMENSI MENGGUNAKAN NAIVE BAYES DAN LOGIKA FUZZY

EKSPRESI EMOSI PADA MODEL WAJAH TIGA DIMENSI MENGGUNAKAN NAIVE BAYES DAN LOGIKA FUZZY

DOSEN PEMBIMBING Moch. Hariadi, S.T., M.Sc., Ph.D.

Mitra Istiar Wardhana 2208205720

LATAR BELAKANG Emosi mempunyai peran yang penting dalam komunikasi antar manusia Penelitian di bidang emosi merupakan sebuah proses yang kompleks

Kecerdasan buatan yang mampu memproses emosi

PERUMUSAN MASALAH Bagaimana mengenali jenis emosi dari sebuah teks berbahasa Indonesia ? Bagaimana menampilkan emosi berupa ekspresi wajah yang dipengaruhi oleh lebih dari satu emosi ?

TUJUAN PENELITIAN Mengenali jenis emosi dari sebuah teks berbahasa Indonesia. Memperoleh tampilan emosi berupa ekspresi wajah dari sebuah teks berbahasa Indonesia.

MANFAAT PENELITIAN Ditemukannya teknik yang bisa digunakan untuk mengenali jenis emosi dari teks berbahasa Indonesia Ditemukannya model kecerdasan buatan yang bisa digunakan untuk menghasilkan tampilan emosi berupa ekspresi wajah dari teks berbahasa Indonesia

KONTRIBUSI Pengenalan emosi pada teks menggunakan Naïve Bayes Ekspresi Emosi menggunakan Naïve Bayes dan Logika Fuzzy

HIPOTESA Klasifikasi teks bisa dilakukan dengan metode Naïve Bayes Logika Fuzzy digunakan untuk menyelesaikan masalah ketidakpastian

Dengan Naïve Bayes dan Logika Fuzzy bisa dihasilkan nilai parameter wajah pembentuk ekspresi dari masukan teks

OUTLINE

Latar Belakang Dasar Teori Metode Penelitian Pembahasan Penutup

DASAR TEORI EMOSI Kondisi mental yang muncul secara spontan Diikuti perubahan bentuk fisik

DASAR TEORI EMOSI(2) Emosi Dasar Nama

Emosi Dasar

Plutchik

Penerimaan, marah, antisipasi, jijik,senang, takut, sedih, terkejut.

Ekman, Friesen, Ellsworth

Marah, jijik, takut, senang, sedih, terkejut.

Frijda

Keinginan, senang, tertarik, terkejut, kagum, sedih

Izard

Marah, penghinaan, jijik, sedih, takut, bersalah, tertarik, senang, malu, terkejut.

James

Takut, sedih, cinta, marah

Mowrer

Sakit, bahagia

Oatley dan Johnson-Laird

Marah, jijik, gelisah, senang, sedih.

DASAR TEORI EMOSI(3) Emosi Dasar : • Taner Danisman dan Adil Alpkocak, 2008 • M. Telkap, 1999 1. Senang

4. Takut

2. Sedih

5. Jijik

3. Marah

DASAR TEORI EMOSI(4) Jenis Emosi

Netral

Deskripsi 1. 2. 3. 4. 5. 6.

Seluruh otot wajah dalam kondisi rileks Kelopak mata bersinggungan dengan retina Bibir atas dan bawah saling bersentuhan Garis bibir berbentuk horisontal dan ujung bibir rata Mulut tertutup Gigi atas dan bawah saling bersetuhan

DASAR TEORI EMOSI(5) Jenis Emosi

Deskripsi

Senang

1. Posisi alis mata rileks. 2. Posisi mulut terbuka dan ujung mulut tertarik ke arah telinga.

Sedih

1. Posisi alis mata bagian dalam terangkat ke atas. 2. Mata agak terpejam 3. Bentuk mulut rileks.

Marah

1. Posisi alis mata bagian dalam tertarik ke bawah 2. Mata terbuka lebar. 3. Bibir atas dan bawah saling menekan atau terbuka lebar untuk memperlihatkan gigi.

Takut

1. Posisi alis mata terangkat ke atas dan bersama-sama, dimana bagian dalam alis cenderung lebih ke atas. 2. Mata tegang dan perhatian.

Jijik

1. Posisi alis mata dan kelopak mata rileks. 2. Mulut bagian atas terangkat dan melengkung.

DASAR TEORI KLASIFIKASI TEKS Memprediksi kelas/kategori dari sebuah teks

Mendapatkan hadiah dari teman saya saat ulang tahun

SENANG

SEDIH

MARAH

TAKUT

JIJIK

DASAR TEORI

NAÏVE BAYES TEOREMA BAYES

P (A|B) = (P(B|A) * P(A)) / P(B) P(Senang|Teks)

TEKS

Naïve Bayes Classifier

P(Sedih|Teks) P(Marah|Teks)

P(Takut|Teks) P(Jijik|Teks)

DASAR TEORI LOGIKA FUZZY Menangani masalah ketidakpastian (Suyanto,2008) Mengandung keraguan Kurang lengkapnya informasi Nilai kebenarannya bersifat sebagian

DASAR TEORI LOGIKA FUZZY (2) P(Senang|Teks) P(Sedih|Teks) P(Marah|Teks)

P(Takut|Teks) P(Jijik|Teks)

Logika

Fuzzy

PARAMETER WAJAH

DASAR TEORI MODEL WAJAH TIGA DIMENSI Ludwig (Jason Pierce)

DASAR TEORI MODEL WAJAH TIGA DIMENSI (2) No.

Parameter

Batas Bawah Batas Atas Jangkauan Nilai

1.

Brow Position Left and Right

-250

250

500

2.

Brow Emotion Left and Right

-200

200

400

3.

Brow Wrinkle

-200

250

450

4.

Eye Open

-400

400

800

5.

Sneer Left and Right

-200

200

400

6.

Mouth Open

-300

300

600

7.

Mouth Smile Left and Right

-300

300

600

OUTLINE


METODE PENELITIAN Data Teks dengan Emosi

Klasifikasi Teks Berd. Jenis Emosi

P(Senang|teks) = 0,6 P(Sedih|teks) = 0.2 P(Takut|teks) = 0,1 P(Marah|teks) = 0,05 P(Jijik|teks) = 0 ,05

“Saya berhasil lulus ujian semester”

Visualisasi Emosi berupa Ekspresi Wajah

Nilai Peluang Teks terhadap kelas Emosi

Nilai Parameter Wajah Brow Position = 103 Brow Emotion = 40 Brow Wringkle = 29 Eye Open = 130 Sneer = 104 Mouth Open = 7 Mouth Smile = 108

Logika Fuzzy

METODE PENELITIAN

KLASIFIKASI TEKS Jumlah Data : 1000 Kalimat 5 Kelas Emosi : 1. Senang : 200 2. Sedih : 200 3. Marah : 200 4. Takut : 200

5. Jijik : 200

METODE PENELITIAN

PARAMETER WAJAH NETRAL No.

Parameter

Nilai

1.


0

2.


0

3.

Brow Wrinkle

0

4.

Eye Open

0

5.


0

6.

Mouth Open

7.


250 0

METODE PENELITIAN

PARAMETER WAJAH (2) SENANG No.

Parameter

Nilai

1.


0

2.


0

3.

Brow Wrinkle

0

4.

Eye Open

0

5.


0

6.

Mouth Open

7.


50 200

METODE PENELITIAN

PARAMETER WAJAH (3) SEDIH No.

Parameter

Nilai

1.


-100

2.


150

3.

Brow Wrinkle

200

4.

Eye Open

5.


0

6.

Mouth Open

0

7.


-100

-300

METODE PENELITIAN

PARAMETER WAJAH (4) MARAH No.

Parameter

Nilai

1.


-100

2.


0

3.

Brow Wrinkle

4.

Eye Open

200

5.


200

6.

Mouth Open

100

7.


-200

0

METODE PENELITIAN

PARAMETER WAJAH (5) TAKUT No.

Parameter

Nilai

1.


-100

2.


150

3.

Brow Wrinkle

200

4.

Eye Open

100

5.


100

6.

Mouth Open

100

7.


-150

METODE PENELITIAN

PARAMETER WAJAH (6) JIJIK No.

Parameter

Nilai

1.


50

2.


-50

3.

Brow Wrinkle

4.

Eye Open

-50

5.


300

6.

Mouth Open

150

7.


-100

-100

METODE PENELITIAN

LOGIKA FUZZY MASUKAN µ

rendah

sedang

tinggi

1

0

0,2

0,4 0,6

0,8

1

METODE PENELITIAN

LOGIKA FUZZY (2) KELUARAN

No.

Brow Wrinkle

Jenis Emosi

Nilai

1.

Netral

0

2.

Senang

0

3.

Sedih

200

4.

Marah

-200

5.

Takut

200

6.

Jijik

-100

METODE PENELITIAN

LOGIKA FUZZY (3) ATURAN If Emosi1 = A AND Emosi2 = B AND Emosi3 = C AND Emosi4 = D AND Emosi5 = E AND THEN Parameter is F Jumlah Input ^ Jumlah Varibel Linguistik

3 ^ 5 = 243

If Senang = Sedang AND Sedih = Rendah AND Marah = Sedang AND Takut = Rendah AND Jijik = Rendah AND THEN Brow Wrinkle is Senang

21 Aturan

METODE PENELITIAN

VISUALISASI EMOSI

No.

Parameter

Nilai

1.


50

2.


-50

3.

Brow Wrinkle

4.

Eye Open

-50

5.


300

6.

Mouth Open

150

7.


-100

-100

OUTLINE


PEMBAHASAN

EVALUASI KLASIFIKASI TEKS 70

akurasi (%)

65 60 55

akurasi

50 45 40 0.1

0.2

0.3

0.4

0.5

0.6

rasio data

0.7

0.8

0.9

PEMBAHASAN

PERCOBAAN 1 “ketika saya berhasil mempertahankan hubungan saya dengan seorang gadis” No.

Parameter

senang marah sedih jijik takut

0.5208962169 0.3022667838 0.09009898541 0.06507883748 0.02165917644

Senang

Marah

Teks 1

1.


0

-100

-11,6

2.


0

0

29,2

3.

Brow Wringkle

0

-200

-75,2

4.

Eye Open

0

200

108

5.


0

200

107

6.

Mouth Open

50

100

119

7.


200

0

38,7

PEMBAHASAN

PERCOBAAN 2 sedih marah jijik senang takut

“ketika saya bertengkar dengan teman dekat”

No.

Parameter

0.3215331076 0.2744905029 0.213093341 0.1707853052 0.02009774331

Sedih

Marah

Jijik

Teks 2

1.


-100

-100

50

-35,2

2.


150

0

-50

59

3.

Brow Wringkle

200

-200

-100

4,05

4.

Eye Open

-100

200

-50

47,7

5.


0

200

300

124

6.

Mouth Open

0

100

150

113

7.


-300

0

-100

-72

PEMBAHASAN

PERCOBAAN 3 “ketika teman dekat berbohong pada saya”

marah senang jijik sedih takut

0.4354774695 0.267174978 0.1461661016 0.1192149594 0.03196649149

No.

Parameter

Marah

Senang

Jijik

Teks 3

1.


-100

0

50

-46,6

2.


0

0

-50

27,2

3.

Brow Wringkle

-200

0

-100

-121

4.

Eye Open

200

0

-50

143

5.


200

0

300

164

6.

Mouth Open

100

50

150

117

7.


0

200

-100

35,2

PEMBAHASAN

PERCOBAAN 4 takut marah senang jijik sedih

“ketika saya jatuh dan kaki saya patah”

0.4932584463 0.2670615728 0.1307485149 0.0685675256 0.04036394041

No.

Parameter

Takut

Marah

Senang

Teks 4

1.


-100

-100

0

-66

2.


150

0

0

99

3.

Brow Wringkle

200

-200

0

87,8

4.

Eye Open

100

200

0

108

5.


100

200

0

143

6.

Mouth Open

100

100

50

182

7.


-150

0

200

-63,1

PEMBAHASAN

PERCOBAAN 5 “anak kecil yang kencing sembarangan di depan umum” No.

Parameter

jijik takut marah sedih senang

Jijik

0.6849140535 0.2080751219 0.08833650855 0.009824129096 0.008850187021

Takut

Teks 1

1.


50

-100

29,5

2.


-50

150

-26

3.

Brow Wringkle

-100

200

-76,9

4.

Eye Open

-50

100

-31,7

5.


300

100

257

6.

Mouth Open

150

100

182

7.


-100

-150

-63,1

OUTLINE


PENUTUP

KESIMPULAN Dengan menggunakan klasifikasi teks, maka dapat dapat dikenali jenis emosi yang terkandung dalam sebuah teks. Dengan menggunakan metode Naive Bayes dan Logika Fuzzy dapat dihasilkan parameter pembentuk ekspresi wajah yang dipengaruhi oleh lebih dari satu jenis emosi.

PENUTUP

RENCANA KE DEPAN Penambahan jumlah emosi dasar menjadi 6 (enam) jenis emosi Penambahan jumlah data teks Memperbaiki kualitas visualisai ekspresi dengan cara mengganti obyek wajah dan menambah animasi pada setiap pergantian emosi.

REFERENSI Chuang, Ze-Jing, Chung-Hsien Wu. Multi-Modal Emotion Recognition from Speech and Text. Computational Linguistics and Chinese Language Processing Vol. 9, No. 2

Danisman Taner, Alpkocak Adil. (2008). Feeler : Emotion Classification of Text Using Vector Space Model. El-Nasr Magy Seif, Yen John. (1999). Agent, Emotional Inteligent and Fuzzy Logic. El-Nasr Magy Seif, Ioerger Thomas R., Yen John .(1998). Learning and Emotional Intelligent in Agents. M. Tekalp. (1999). “Face and 2-D Mesh Animation in MPEG-4.” Tutorial Issue On The MPEG-4 Standard. ImageCommunication Journal, Elsevier. Suyanto, (2008), Soft Computing, Membangun Mesin ber-IQ Tinggi. Informatika: Bandung.

TERIMA KASIH

EKSPRESI EMOSI PADA MODEL WAJAH TIGA DIMENSI MENGGUNAKAN NAIVE BAYES DAN LOGIKA FUZZY

Recommend Documents