EKSPRESI EMOSI PADA MODEL WAJAH TIGA
DIMENSI MENGGUNAKAN NAIVE BAYES DAN
LOGIKA FUZZY
Mitra Istiar Wardhana
2208205720 DOSEN PEMBIMBING
LATAR BELAKANG
Emosi mempunyai peran yang penting dalam komunikasi antar manusia
Penelitian di bidang emosi merupakan sebuah proses yang kompleks
PERUMUSAN MASALAH
Bagaimana mengenali jenis emosi dari
sebuah teks berbahasa Indonesia ?
TUJUAN PENELITIAN
Mengenali jenis emosi dari sebuah
teks berbahasa Indonesia.
Memperoleh tampilan emosi berupa
ekspresi wajah dari sebuah teks
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
KONTRIBUSI
Pengenalan emosi pada teks
menggunakan Naïve Bayes
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
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
DASAR TEORI
Kondisi mental yang muncul secara spontan
Diikuti perubahan bentuk fisik
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
DASAR TEORI
EMOSI(3)
1. Senang
2. Sedih
3. Marah
4. Takut
5. Jijik
Emosi Dasar :
•
Taner Danisman dan Adil Alpkocak, 2008
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
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
NAÏVE BAYES
P (A|B) = (P(B|A) * P(A)) / P(B)
TEOREMA BAYES
TEKS
LOGIKA FUZZY
Menangani masalah ketidakpastian (Suyanto,2008)
Mengandung keraguan
Kurang lengkapnya informasi
Nilai kebenarannya bersifat sebagian
LOGIKA FUZZY (2)
DASAR TEORI
P(Senang|Teks) P(Sedih|Teks) P(Marah|Teks) P(Takut|Teks) P(Jijik|Teks)
Logika
Fuzzy
DASAR TEORI
MODEL WAJAH TIGA DIMENSI
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
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
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
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
METODE PENELITIAN
KLASIFIKASI TEKS
Jumlah Data : 1000 Kalimat
5 Kelas Emosi :
1. Senang : 200
2. Sedih : 200
3. Marah : 200
4. Takut : 200
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
METODE PENELITIAN
PARAMETER WAJAH (2)
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 50
METODE PENELITIAN
PARAMETER WAJAH (3)
No. Parameter Nilai
1. Brow Position Left and Right -100
2. Brow Emotion Left and Right 150
3. Brow Wrinkle 200
4. Eye Open -100
5. Sneer Left and Right 0
6. Mouth Open 0
METODE PENELITIAN
PARAMETER WAJAH (4)
No. Parameter Nilai
1. Brow Position Left and Right -100
2. Brow Emotion Left and Right 0
3. Brow Wrinkle -200
4. Eye Open 200
5. Sneer Left and Right 200
6. Mouth Open 100
METODE PENELITIAN
PARAMETER WAJAH (5)
No. Parameter Nilai
1. Brow Position Left and Right -100
2. Brow Emotion Left and Right 150
3. Brow Wrinkle 200
4. Eye Open 100
5. Sneer Left and Right 100
6. Mouth Open 100
METODE PENELITIAN
PARAMETER WAJAH (6)
No. Parameter Nilai
1. Brow Position Left and Right 50
2. Brow Emotion Left and Right -50
3. Brow Wrinkle -100
4. Eye Open -50
5. Sneer Left and Right 300
6. Mouth Open 150
METODE PENELITIAN
LOGIKA FUZZY
MASUKAN
µ
0,2 0,4 0,6 0,8
rendah sedang tinggi
0 1
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
METODE PENELITIAN
LOGIKA FUZZY (3)
ATURAN
THEN Parameter is FIf 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
METODE PENELITIAN
VISUALISASI EMOSI
No. Parameter Nilai
1. Brow Position Left and Right 50
2. Brow Emotion Left and Right -50
3. Brow Wrinkle -100
4. Eye Open -50
5. Sneer Left and Right 300
6. Mouth Open 150
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
PEMBAHASAN
EVALUASI KLASIFIKASI TEKS
40
rasio data
a
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
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
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
5. Sneer Left and Right 200 0 300 164
6. Mouth Open 100 50 150 117
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
5. Sneer Left and Right 100 200 0 143
6. Mouth Open 100 100 50 182
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
OUTLINE
Latar Belakang
Dasar Teori
Metode Penelitian
Pembahasan
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
PENUTUP
RENCANA KE DEPAN
Penambahan jumlah emosi dasar menjadi 6 (enam) jenis emosi
Penambahan jumlah data teks
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.