EKSPRESI EMOSI PADA MODEL WAJAH TIGA DIM

(1)

EKSPRESI EMOSI PADA MODEL WAJAH TIGA

DIMENSI MENGGUNAKAN NAIVE BAYES DAN

LOGIKA FUZZY

Mitra Istiar Wardhana

2208205720 DOSEN PEMBIMBING

(2)

LATAR BELAKANG

Emosi mempunyai peran yang penting dalam komunikasi antar manusia

Penelitian di bidang emosi merupakan sebuah proses yang kompleks

(3)

PERUMUSAN MASALAH

Bagaimana mengenali jenis emosi dari

sebuah teks berbahasa Indonesia ?

(4)

TUJUAN PENELITIAN

Mengenali jenis emosi dari sebuah

teks berbahasa Indonesia.

Memperoleh tampilan emosi berupa

ekspresi wajah dari sebuah teks

(5)

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

(6)

KONTRIBUSI

Pengenalan emosi pada teks

menggunakan Naïve Bayes

(7)

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

(8)

OUTLINE

Latar Belakang

Dasar Teori

Metode Penelitian

Pembahasan

(9)

DASAR TEORI

Kondisi mental yang muncul secara spontan

Diikuti perubahan bentuk fisik

(10)

DASAR TEORI

Emosi Dasar

EMOSI(2)

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

(11)

DASAR TEORI

EMOSI(3)

1. Senang

2. Sedih

3. Marah

4. Takut

5. Jijik

Emosi Dasar :

• Taner Danisman dan Adil Alpkocak, 2008

(12)

Jenis Emosi Deskripsi

Netral 1. Seluruh otot wajah dalam kondisi rileks 2. Kelopak mata bersinggungan dengan retina 3. Bibir atas dan bawah saling bersentuhan

4. Garis bibir berbentuk horisontal dan ujung bibir rata 5. Mulut tertutup

6. Gigi atas dan bawah saling bersetuhan

DASAR TEORI

(13)

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

(14)

KLASIFIKASI TEKS

Memprediksi kelas/kategori dari sebuah teks

Mendapatkan hadiah dari teman saya saat ulang tahun

SENANG SEDIH MARAH TAKUT JIJIK

(15)

NAÏVE BAYES

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

TEOREMA BAYES

TEKS

(16)

LOGIKA FUZZY

Menangani masalah ketidakpastian (Suyanto,2008)

Mengandung keraguan

Kurang lengkapnya informasi

Nilai kebenarannya bersifat sebagian

(17)

LOGIKA FUZZY (2)

DASAR TEORI

Logika

Fuzzy

(18)

DASAR TEORI

MODEL WAJAH TIGA DIMENSI

(19)

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

(20)

OUTLINE

Latar Belakang

Dasar Teori

Metode Penelitian

Pembahasan

(21)

METODE PENELITIAN

Data Teks dengan

Emosi

Klasifikasi Teks Berd. Jenis

Emosi

Nilai Peluang Teks terhadap

kelas Emosi

Logika Fuzzy

Nilai Parameter

Wajah Visualisasi

Emosi berupa Ekspresi Wajah “aya berhasil lulus ujia se ester

(22)

METODE PENELITIAN

KLASIFIKASI TEKS

Jumlah Data : 1000 Kalimat

5 Kelas Emosi :

1. Senang : 200

2. Sedih : 200

3. Marah : 200

4. Takut : 200

(23)

METODE PENELITIAN

PARAMETER WAJAH

No. Parameter Nilai

1. Brow Position Left and Right 0

2. Brow Emotion Left and Right 0

3. Brow Wrinkle 0

4. Eye Open 0

5. Sneer Left and Right 0

6. Mouth Open 250

(24)

METODE PENELITIAN

PARAMETER WAJAH (2)

3. Brow Wrinkle 0

4. Eye Open 0

6. Mouth Open 50

(25)

METODE PENELITIAN

PARAMETER WAJAH (3)

1. Brow Position Left and Right -100

3. Brow Wrinkle 200

4. Eye Open -100

6. Mouth Open 0

(26)

METODE PENELITIAN

PARAMETER WAJAH (4)

3. Brow Wrinkle -200

4. Eye Open 200

6. Mouth Open 100

(27)

METODE PENELITIAN

PARAMETER WAJAH (5)

3. Brow Wrinkle 200

4. Eye Open 100

6. Mouth Open 100

(28)

METODE PENELITIAN

PARAMETER WAJAH (6)

2. Brow Emotion Left and Right -50

4. Eye Open -50

6. Mouth Open 150

(29)

METODE PENELITIAN

LOGIKA FUZZY

MASUKAN

µ

0,2 0,4 0,6 0,8

rendah sedang _tinggi

0 1

(30)

METODE PENELITIAN

LOGIKA FUZZY (2)

KELUARAN

No. Jenis Emosi Nilai

1. Netral 0 2. Senang 0 3. Sedih 200 4. Marah -200 5. Takut 200 6. Jijik -100

(31)

METODE PENELITIAN

LOGIKA FUZZY (3)

ATURAN

THEN Parameter is F

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

Jumlah Input ^ Jumlah Varibel Linguistik

3 ^ 5 = 243

(32)

METODE PENELITIAN

VISUALISASI EMOSI

2. Brow Emotion Left and Right -50

4. Eye Open -50

6. Mouth Open 150

(33)

OUTLINE

Latar Belakang

Dasar Teori

Metode Penelitian

Pembahasan

(34)

PEMBAHASAN

EVALUASI KLASIFIKASI TEKS

40

rasio data

a

(35)

PEMBAHASAN

PERCOBAAN 1

“ketika saya berhasil

mempertahankan hubungan saya dengan seorang

gadis”

senang 0.5208962169 marah 0.3022667838 sedih 0.09009898541 jijik 0.06507883748 takut 0.02165917644

No. Parameter Senang Marah Teks 1

1. Brow Position Left and Right 0 -100 -11,6 2. Brow Emotion Left and Right 0 0 29,2

3. Brow Wringkle 0 -200 -75,2

4. Eye Open 0 200 108

5. Sneer Left and Right 0 200 107

6. Mouth Open 50 100 119

(36)

PEMBAHASAN

PERCOBAAN 2

“ketika saya

bertengkar dengan teman

dekat”

sedih 0.3215331076 marah 0.2744905029 jijik 0.213093341 senang 0.1707853052 takut 0.02009774331

No. Parameter Sedih Marah Jijik Teks 2

1. Brow Position Left and Right -100 -100 50 -35,2 2. Brow Emotion Left and Right 150 0 -50 59

3. Brow Wringkle 200 -200 -100 4,05

4. Eye Open -100 200 -50 47,7

5. Sneer Left and Right 0 200 300 124

6. Mouth Open 0 100 150 113

(37)

PEMBAHASAN

PERCOBAAN 3

“ketika

teman dekat berbohong pada saya”

marah 0.4354774695 senang 0.267174978 jijik 0.1461661016 sedih 0.1192149594 takut 0.03196649149

No. Parameter Marah Senang Jijik Teks 3

1. Brow Position Left and Right -100 0 50 -46,6 2. Brow Emotion Left and Right 0 0 -50 27,2

3. Brow Wringkle -200 0 -100 -121

4. Eye Open 200 0 -50 143

6. Mouth Open 100 50 150 117

(38)

PEMBAHASAN

PERCOBAAN 4

“ketika saya jatuh dan kaki saya patah”

takut 0.4932584463 marah 0.2670615728 senang 0.1307485149 jijik 0.0685675256 sedih 0.04036394041

No. Parameter Takut Marah Senang Teks 4

1. Brow Position Left and Right -100 -100 0 -66

2. Brow Emotion Left and Right 150 0 0 99

3. Brow Wringkle 200 -200 0 87,8

4. Eye Open 100 200 0 108

6. Mouth Open 100 100 50 182

(39)

PEMBAHASAN

PERCOBAAN 5

“anak kecil yang

kencing

sembarangan di

depan umum”

jijik 0.6849140535 takut 0.2080751219 marah 0.08833650855 sedih 0.009824129096 senang 0.008850187021

No. Parameter Jijik Takut Teks 1

1. Brow Position Left and Right 50 -100 29,5 2. Brow Emotion Left and Right -50 150 -26

3. Brow Wringkle -100 200 -76,9

4. Eye Open -50 100 -31,7

5. Sneer Left and Right 300 100 257

6. Mouth Open 150 100 182

(40)

OUTLINE

Latar Belakang

Dasar Teori

Metode Penelitian

Pembahasan

(41)

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

(42)

PENUTUP

RENCANA KE DEPAN

Penambahan jumlah emosi dasar menjadi 6 (enam) jenis emosi

Penambahan jumlah data teks

(43)

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.

(44)