Aplikasi Pendeteksi Emosional Wajah Menggunakan API Microsoft

Tugas Akhir Mobile Programming dan Teknik Pengolahan Citra :

Aplikasi Pendeteksi Emosional Wajah Menggunakan API Microsoft.

Our TEAMS :

Ahmad Akbar Mariuddin

Abdul Harish Faqih

Andi Muh Rifqy Muskar

Avit

Edy Surmana Putra Tarigan

Evi Pertiwi Munthe

Muhammad Lutfi Firdhaus

Latar Belakang

Perkembangan teknologi saat ini sudah berkembang dengan sangat pesat khususnya di bidang komputer dan memiliki manfaat bagi kehidupan manusia. Oleh sebab itu, beberapa penelitian yang telah dilakukan menggunakan komputer khususnya dalam pemrosesan emosi wajah yang sudah diteliti sejak lama. Salah satu hasil dari penelitian tersebut menghasilkan tingkat akurasi sebesar 64,83%. Menurut para ahli, emosi dasar manusia yang telah dikenal sejak dulu dan menjadi aspek penting dari perilaku manusia, ada beberapa jenis emosi.  Jenis emosi seperti netral, senang, sedih, marah, takut dan jijik. Seperti penelitian yang telah dilakukan oleh G. Calvo, Manuel dengan judul penelitian ”Detection of Emotional Faces: Salient Physical Features Guide Effective Visual Search”.

Oleh karena itu, sistem interaksi manusia dan komputer yang baik harus dapat mengenali, menginterpretasikan dan memproses emosi manusia. Dari berbagai penelitian banyak metode yang telah digunakan  untuk melakukan proses pengenalan emosi wajah manusia bisa dengan menggunakan metode Naïve Bayes, Couchy Naïve Bayes, Vector Space Model (VSM), dan Support Vector Mchine (SVM). Metode-Metode ini bisa diimplementasikan untuk pemrosesan emosi manusia dalam bentuk gambar. Pada penelitian yang telah dilakukan sebelumnya oleh para peneliti dapat disimpulkan bahwa teknologi yang sudah ada  mampu mengenali emosi manusia melalui gambar seperti smartphone.

Smarthphone adalah salah satu teknologi yang tidak dapat dipisahkan dari segala aktivitas yang dilakukan oleh manusia. Dengan adanya teknologi tersebut, banyak aplikasi yang dibutuhkan didalam smartphone. Salah satunya adalah pengenalan ekspresi wajah berbasis android. Aplikasi ini dilakukan melalui media berupa gambar yang akan diambil melalui smartphone. Selanjutnya hasil gambar akan diproses untuk mengenali emosi melalui ekspresi wajah. Dalam Aplikasi ini digunakan metode face detection dengan menggunakan API Microsoft Azure untuk menentukan jenis emosi yang dihasilkan melalui gambar yang diambil menggunakan smartphone.

Aplikasi ini dapat membantu orang-orang atau perusahaan yang ingin mengenal emosi seseorang/karyawan melalui ekspresi wajah. Tanpa harus belajar psikologi, dengan menggunakan aplikasi ini, memudahkan kita untuk mengetahui emosi seseorang hanya dengan mengupload gambar/ foto wajahnya saja.

Rumusan Masalah

Adapun rumusan masalah dari penelitian tugas besar ini adalah:

1.   Bagaimana mengenali jenis emosi dari sebuah gambar ?

2.   Bagaimana analisis dari sebuah ekspresi wajah dengan mengunakan API Microsoft Azura?

LANDASAN TEOR

Ekspresi wajah

Pengenalan ekspresi wajah merupakan salah satu cara untuk mengenali emosi. Karena ekspresi wajah merupakan hal yang paling kuat, alami dan cepat untuk menyampaikan emosi atau perasaan seseorang. Banyak hal dapat diketahui hanya dengan melihat ekspresi seseorang seperti niat, kepribadian, hubungan sosial dan benda-benda yang ada di lingkungan. Otot-otot yang membentuk ekspresi wajah dikenal sebagai musculi facialis yang merupakan otot-otot penggerak wajah, sebagai contoh musculi zigomaticus major dan minor berorigo pada tulang zigomaticus dan berinsersio pada sudut mulut berfungsi menarik sudut mulut ke atas dan keluar. Ada enam ekspresi emosi dasar yaitu kebahagiaan, terkejut, takut, jijik, marah, dan kesedihan. Para peneliti dari Ohio State University telah mengkategorikan 21 ekspresi wajah yang berbeda dari enam emosi dasar. Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang.

Face Detection

Pendeteksian wajah (face detection) adalah salah satu tahap awal (preprocessing) yang sangat penting sebelum dilakukan proses pengenalan wajah (face recognition).  Face recognition, di mana wajah dideteksi dan diproses dibandingkan dengan database wajah yang dikenal, untuk mengenali orang tersebut.

Appearance-based method

Metode ini kebanyakan digunakan untuk deteksi wajah. Pada metode ini, model wajah dipelajari melalui proses training dengan menggunakan satu set data pelatihan yang berisi contoh-contoh wajah. Kemudian hasil training ini digunakan untuk mendeteksi wajah. Secara umum metode ini menggunakan teknik-teknik dari analisa statistik dan machine learning untuk menemukan karakteristik-karakteristik yang relevan dari wajah maupun nonwajah. Dibandingan feature-based dan template matching, metodeappearance-based memberikan hasil yang lebih baik ketika diterapkan pada sistem dengan sejumlah besar sampel.

HASIL DAN PEMBAHASAN

Uji coba aplikasi yang telah dilakukan pada aplikasi ini adalah pada emulator, pada smartphone dan pada table dengan berbagai tipe. Hasil dari uji coba ini adalah aplikasi dapat dijalankan dan hasil dari aplikasi sesuai dengan yang diharapkan. Namun aplikasi ini tidak diperkenankan menggunakan IOS, BlackBerry OS, dan SYMBIAN OS. Berikut ini hasil aplikasi pada emulator:

Gambar 1 Tampilan Awal Aplikasi

Gambar 1 ini merupakan tampilan awal dari aplikasi Emotional Personality. Pada tampilan awal ini terdapat dua button yaitu skip dan geser ke kiri. Button Skip digunakan untuk menampilkan tampilan utama yaitu Elit Teams dan  Button geser ke kiri digunakan untuk menampilakan Great Design.

Gambar 2 Great Design

Gambar 2 ini merupakan tampilan kedua dari aplikasi. Pada tampilan kedua ini berisi tentang desai yang mudah digunakan. Pada tampilan kedua ini juga  terdapat dua button yaitu skip dan geser ke kiri. Button Skip digunakan untuk menampilkan tampilan utama yaitu Elit Teams dan  Button geser ke kiri digunakan untuk menampilakan Easy To Use.

Gambar 3 Easy to Use

Gambar 3 ini merupakan tampilan ketiga dari aplikasi. Pada tampilan kedua ini berisi tentang  kemudahan untuk menggunakan aplikasi ini. Pada tampilan ketiga ini juga  terdapat dua button yaitu skip dan geser ke kiri. Button Skip digunakan untuk menampilkan tampilan utama yaitu Elit Teams dan  Button geser ke kiri digunakan untuk menampilakan Elit Teams.

Gambar 4 Elit Teams

Gambar 4 ini merupakan tampilan keempat dari aplikasi. Pada tampilan keempat ini berisi tentang Elit Teams, dimana terdapat 4 iteam yaitu:

1.      Deteksi wajah    : Untuk mengenali emosi melalui gambar yang diinputkan

2.      Tentang kami     : Berisi tentang profil pembuat aplikasi

3.      Tutorial               : Cara penggunaan aplikasi

4.      Kritik dan saran : Apabila user memiliki kirik atau saran kepada pembuat aplikasi dan disampaikan melaui iteam kritik dan saran ini.

Gambar 5 Deteksi Wajah

Pada Gambar  5 ini, gambar diinputkan dengan cara mengklik masukkan image. Lalu pilih gambar yang ingin di proses.

Gambar 6 Fitur Share

Pada Gambar 6 ini diberi pilihan kepada sipengguna apakah gambar yang akan diproses akan di share ke jejaringan social.

Gambar 7 Gambar diproses

Pada Gambar 7 gambar yang telah diinputkan akan diproses. Proses yang dilakukan adalah gambar akan di kirim ke server API Microsoft Azure untuk mengenali emosi pada gambar yang telah diinputkan.

Gambar 8 Hasil Gambar diproses

Gambar 8 merupakan hasil dari proses pengenalan emosi yang telah diproses pada server API Microsoft.

Gambar 9 Tampilan Kritik dan Saran

Gambar 9 ini dilakukan apabila user memiliki keluhan pada saat penggunaan aplikasi.

KESIMPULAN DAN SARAN

Metode Face detections menggunakan API Microsoft Muzera mampu mengenali emosi seseorang melalui gambar dan dapat diterapkan di berbagai android. Pemakaian aplikasi ini sangat mudah untuk digunakan. Kekurangan dari aplikasi ini dalam pengambilan gambar harus cerah dan gambar tidak boleh miring.

DAFTAR PUSTAKA

(gunakan format IEEE, jika memungkinkan gunakan tool Mendeley)

1. Ketner D, Ekman P. Introduction: Expression Of Emotion, RJ. Scherer K R, Gold H H (Eds), Handbook Of Affective Sciences. New York: Oxford University press.2003:411-4. -> dasar teori
2. Sloane Ethel. Anatomi dan Fisiologi untuk Pemula. Jakarta: EGC; 2003:131-32. -> tinjauan pustaka
3. Ekspresi Emosi Wajah tidak Universal [cited 2014 Sep 19] Available from: http://jurnal.kesimpulan.com/2012/04 /ekspresi-emosi-wajah-tidakuniversal.html  ->dasar teori
4. Ghozali MZ, Bilfaqih Y, Jazidie A. Pengenalan Emosi Akademis Menggunakan Jaringan Syaraf Tiruan untuk Mendukung Personalisasi Sistem E-Learning. Surabaya: ITS 2010; 1. ->dasar teori
5. T. A. Walsh, P. McMinn, and G. M. Kapfhammer, “Automatic detection of potential layout faults following changes to responsive web pages,” Proc. - 2015 30th IEEE/ACM Int. Conf. Autom. Softw. Eng. ASE 2015, pp. 709–714, 2016.
6. H. Li, Z. Lin, X. Shen, J. Brandt, and G. Hua, “A Convolutional Neural Network Cascade for Face Detection.” pp. 5325–5334, 2015.
7. Hola, “Osmalina Nur Rahma.” [Online]. Available: http://osmalinanurrahma-fst09.web.unair.ac.id/artikel_detail-44347-Sistem Cerdas-Face Detector.html. [Accessed: 15-Jun-2017].
8. Y. Sugano, Y. Matsushita, and Y. Sato, “Appearance-Based Gaze Estimation Using Visual Saliency,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 35, no. 2, pp. 329–341, Feb. 2013.

Read more »

Algoritma Sorting (Insertion Sort)

Insertion sort adalah sebuah metode pengurutan data dengan menempatkan setiap elemen data pada pisisinya dengan cara melakukan perbandingan dengan data – data yang ada. Inde algoritma dari metode insertion sort ini dapat dianalogikan sama seperti mengurutkan kartu, dimana jika suatu kartu dipindah tempatkan menurut posisinya, maka kartu yang lain akan bergeser mundur atau maju sesuai kondisi pemindahanan kartu tersebut. Dalam pengurutan data, metode ini dipakai bertujuan untuk menjadikan bagian sisi kiri array terurutkan sampai dengan seluruh array diurutkan.

Proses yang terjadi pada pengurutan dengan menggunakan metode Insertion Sort adalah dimulai dari data ke-2 kemudian disisipkan pada tempat yang sesuai. Data pada posisi pertama diandaikan memang sudah pada tempatnya. Ilustrasinya mirip seperti saat menyisipkan kartu di permainan kartu.

Contoh source code insertion sort

#include <iostream>
#include <conio.h>
using namespace std ;
int data[10],data2[10];
int n;

void tukar(int a, int b)
{
 int t;
 t = data[b];
 data[b] = data[a];
 data[a] = t;
}

void insertion_sort()
{
 int temp,i,j;
 for(i=1;i<=n;i++)
 {
  temp = data[i];
  j = i -1;
  while(data[j]>temp && j>=0)
  {
   data[j+1] = data[j];
   j--;
  }
 data[j+1] = temp;
 }
}
int main()
{
 cout<<"\t\t\t===PROGRAM INSERTION SORT===\n\n"<<endl;

 //Input Data
 cout<<"Masukkan Jumlah Data : ";
 cin>>n;
 cout<<"\n";
 for(int i=1;i<=n;i++)
 {
  cout<<"Masukkan data ke "<<i<<" : ";
  cin>>data[i];
  data2[i]=data[i];
 }

 insertion_sort();

 cout<<"\n\n";
 //tampilkan data
 cout<<"Data Setelah di Sort : ";
 for(int i=1; i<=n; i++)
 {
  cout<<" "<<data[i];
 }
 cout<<"\n\nSorting Selesai";
 getch();

}

Penjelasan dari program di atas

#include <iostream>

#include <conio.h>

using namespace std ;

int data[10],data2[10];

int n;

void tukar(int a, int b)

{

 int t;

 t = data[b];

 data[b] = data[a];

 data[a] = t;

}

void insertion_sort()

{

 int temp,i,j;

 for(i=1;i<=n;i++)

 {

  temp = data[i];

  j = i -1;

  while(data[j]>temp && j>=0)

  {

   data[j+1] = data[j];

   j--;

  }

 data[j+1] = temp; // temp sebagai tempat penyimpanan sementara saat menukar nilai.

 }

}

// code program di atas ini merupakan rumus.

// dan di bawah merupakan code penginputannya.

int main()

{

 cout<<"\t\t\t===PROGRAM INSERTION SORT===\n\n"<<endl;

 //Input Data

 cout<<"Masukkan Jumlah Data : "; // di samping ini code untuk memasukkan data.

 cin>>n;

 cout<<"\n";

 for(int i=1;i<=n;i++) // untuk n kurang sama dengan i=1 maka i akan ++.

 {

  cout<<"Masukkan data ke "<<i<<" : "; // ini merupakan code setelah kita memasukkan angka di kode atas tadi " masukkan jumlah data " misalkan kita memasukkan 10 maka code program ini akan berulang 10x.

  cin>>data[i];

  data2[i]=data[i];

 }

 insertion_sort();

 cout<<"\n\n";

 //tampilkan data

 cout<<"Data Setelah di Sort : "; // merupakan code untuk mengurutkan angka.

 for(int i=1; i<=n; i++) 

 {

  cout<<" "<<data[i];

 }

 cout<<"\n\nSorting Selesai";

 getch(); // ini hanya digunakan untuk menghentikan suatu proses yang berjalan.

}

Hasil Output ketika program dijalankan

Tugas ini di kerjakan oleh :
Andi Muhammad Rifqi Muskar ( 14102050)
Deprilana Ego Prakarsa ( 14102055)
Muhammad Syahri ( 14102078)

Sekolah Tinggi Telematika Telkom Purwokerto

Read more »

MOLTING

Oleh: Prof.Yushinta Fujaya

Istilah molting digunakan untuk menggambarkan proses pergantian kulit.  Banyak hewan bahkan manusia mengalami molting.  Namun, fenomena molting pada crustasea terutama kepiting sangatlah unik.  Tidak seperti manusia yang mengalami pergantian kulit, namun kulit mati luruh membentuk serpihan-serpihan.  Ayam molting dengan menggugurkan bulunya.  Ular juga molting, namun kulit yang terlepas tidak sempurna berbentuk ular.  Kepiting bila molting maka kulitnya yang terlepas berbentuk utuh seperti kepiting, bahkan kulit insangpun ikut terlepas.

 

Kepiting hampir sempurna keluar dari kulitnya yang keras saat molting

Kepiting sukses berganti kulit.  Nampak kulit lama yang terlepas (tanda panah), Kepiting di bagian bawah adalah kepiting dengan kulit yang masih lunak.

Kulit kepiting yang terlepas dinamai “Exuviae”.  Nampak kulit insang yang juga ikut terlepas (tanda panah)

Sesungguhnya, proses molting tidaklah terjadi secara tiba-tiba, namun melalui proses yang panjang.  Ada empat fase dalam siklus molting, yakni: premolt, molting (ecdysis), post molt dan intermolt.

·         Premolt merupakan fase persiapan, yakni saat lapisan kulit baru memisah dari kulit lama yang keras.  Proses ini menyebabkan kulit kepiting yang lama dapat terlepas dengan sempurna saat molting.

·         Molting atau ecdysis adalah proses lepasnya kulit lama atau saat hewan keluar dari kulit lama. 

·         Post molt adalah saat setelah berganti kulit.  Pada saat ini kulit baru masih lunak dan lentur.

·          Intermolt merupakan masa terpanjang dimana kulit atau karapas sudah terbentuk sempurna dan hewan mengakumulasi calcium dan energi untuk pertumbuhan. 

Status molting ini dapat dengan mudah diketahui.  Caranya dengan menerawang kaki renang kepiting.  Bila nampak garis berwarna agak gelap pada bagian dalam kaki renang maka itu adalah tanda bahwa kepiting berada pada fase premolt dan sebentar lagi akan molting.

Garis ganda pada kaki renang kepiting fase premolt ditunjukkan dengan tanda panah

Tidak nampak garis ganda pada kaki renang kepiting fase intermolt

Lebih detail tentang molting pada kepiting dapat dilihat pada beberapa referensi berikut:

1.     Fujaya Y., E Suryati, E Nurcahyono, N Alam.  2008.  Titer ekdisteroid hemolimph dan cirri morfologi rajungan selama fase molting dan reproduksi. Jurnal Torani, 18 (3):266-274. 

2.    Fujaya Y., DD Trijuno.  2007.  Haemolimph ecdysteroid profile of mud crab during molt and reproductive cycles.  Jurnal Torani, 17(5): 415-421

Read more »

tentang yushinta_unt yushi crab

   Profil

Prof. Dr. Ir. Yushinta Fujaya, M.Si., Guru Besar di Universitas Hasanuddin (UNHAS), lahir di Makassar, 23 Januari 1965.  Memperoleh gelar sarjana (1988) dari Fakultas Peternakan UNHAS.  Gelar Master Sains dan Doktor diperoleh dari Institut Pertanian Bogor masing-masing pada tahun 1996 dan 2004.  Jabatan Guru Besar dipercayakan oleh Negara Republik Indonesia sejak tahun 2008.

Memulai kariernya sebagai Asisten Ahli Madya di Jurusan Perikanan Fakultas Peternakan UNHAS pada tahun 1989.  Sejak tahun 1995 hingga sekarang, mengabdi sebagai dosen pada Fakultas Ilmu Kelautan dan Perikanan UNHAS.  Pada tahun 2010 mendapat penghargaan dari Universitas Hasanuddin sebagai dosen berprestasi II.  Pada tahun yang sama terpilih sebagai salah satu dari 100 perempuan peneliti berprestasi di Indonesia oleh Kementerian Pemberdayaan Perempuan dan Perlindungan Anak dan Komisi Nasional Indonesia untuk UNESCO.

Prof. Yushinta memulai kiprahnya dalam penelitian kepiting sejak tahun 1986, yakni sejak mengerjakan skripsi, dan terus diperdalam untuk riset tesis dan disertasi.

Sejak tahun 2000 hingga sekarang, Berbagai grant penelitian telah dimenangkan dan diselesaikan, antara lain: Hibah Bersaing dan Penelitian Fundamental dari DIKTI serta Insentif Riset dari KNRT.  Buah dari penelitian tersebut, Pada tahun 2009, Penulis memperoleh penghargaan dari Menteri Negara Riset dan Teknologi Republik Indonesia atas karya inovasi Ekstrak Bayam untuk Produksi Kepiting Kulit Lunak.

Pada tahun 2009-2011 mengerjakan riset pengembangan budidaya kepiting lunak menggunakan VITOMOLT sebagai stimulator molting yang didanai oleh program RAPID (Riset Andalan Perguruan Tinggi dan Industri).  VITOMOLT adalah formula yang mengandung hormone molting dari kombinasi ekstrak bayam (Amaranthus spp) dan daun mubei (Morus alba).

Tahun 2011-2012, Iptekda LIPI mensponsori introduksi teknologi budidaya kepiting lunak menggunakan VITOMOLT untuk meningkatkan kualitas produk kepiting lunak UMKM.  Dari kegiatan ini, Prof Yushinta mendapatkan penghargaan Iptekda LIPI Award pada tahun 2012.

Menemukan adanya kendala suplai bibit untuk budidaya kepiting dan rajungan, Sejak 2011, Prof Yushinta bersama Tim fokus mengerjakan pembenihan kepiting bakau dan rajungan.  Pekerjaan ini melibatkan industry dan didukung oleh Kementerian Negara Riset dan Teknologi RI, Depdiknas RI melalui DP2M DIKTI, dan BALITBANGDA Propinsi Sulawesi Selatan.

Email: fyushinta@yahoo.com

Read more »