Identifikasi Kepribadian Berbasis Eigenface Untuk Mendukung Personalisasi Pada Sistem E-Pembelajaran

Transkripsi

1 Identifikasi Kepribadian Berbasis Eigenface Untuk Mendukung Personalisasi Pada Sistem E-Pembelajaran Dwi Sudharmono Wanudyatanto NRP Dosen Pembimbing Prof. Dr. Ir. Achmad Jazidie, M.Eng. Yusuf Bilfaqih, S.T., M.T

2 Pendahuluan Latar Belakang E-Pembelajaran telah menjadi kebutuhan E-Pembelajaran belum fleksibel dalam menyampaiakan informasi E-Pembelajaran belum mampu mengenali Kepribadian E-Pembelajaran belum memiliki layanan pembelajaran yang sesui dengan personalisasi peserta didik

3 Pendahuluan Permasalahan Untuk meningkatkan kemampuan kerja E- learning, dibutuhkan sistem cerdas yang mampu mengidentifikasi kepribadian secara detail dengan menggunakan prinsip-prinsip psikologi. menghadirkan modul Moodle yang mampu mengidentifikasi kepribadian dengan menggunakan pemetaan daerah wajah.

4 Pendahuluan Batasan Masalah Modul dirancang untuk memberikan keluaran berupa keterangan kepribadian pada database moodle. Metode pemetaan daerah wajah mengadopsi metode yang dipublikasikan Sunar P dalam bukunya yang berjudul Rahasia Wajah. Metode tersebut diterjemahkan dalam bahasa digital menggunakan metode eigen value yang populer dengan nama egenface. Prangkat lunak yang digunakan adalah Java scrib, Flahs scrib, MySql, PHP dan HTML.

5 Pendahuluan Tujuan Tugas akhir ini bertujuan untuk dapat menghasilkan program identifikasi kepribadian pada E-learning yang bekerja untuk memetakan kepribadian peserta didik, sehingga pengguna E-learning bisa mendapatkan kenyamanan dalam belajar dan mampu mencapai pemahaman dengan mudah.

6 Teori Penunjang Kepribadian adalah sikap hakiki individu yang tercermin dalam perbuatan seseorang, yang membedakan dirinya dengan orang lain. Menurut Mc Leod, mengartikan kepribadian (Personality) sebagai sifat khas yang dimiliki seseorang. Menurut Florence ada empat pendekatan kepribadian dasar, yaitu : 1. Koleris (Ekstrovet, Pelaku (Actor), dan Optimis) 2. Sangwinis (Ekstrovert, Membicara, dan Optimis ) 3. Melankolis (Introvet, Pemikir, dan Pesimis) 4. Plegmatis (Introvet, Pengamat, dan Pesimis) Gaya Belajar Berbasis Kepribadian 1 2 3

7 Gaya Belajar Berbasis Kepribadian Pembelajar dengan berbagai latar belakang perlu diberi fasilitas untuk meningkatkan efektifitas kegiatan belajar. Formulasi gaya belajar yang sudah dirumuskan para ahli antara lain : 1. Berdasarkan prefensi instruksional dan linkungan adalah model Dunn dan Dunn. 2. Berdasarkan model pemrosesan informasi adalah Model Kolb 3. Belajar berdasarkan kepribadian seseorang adalah model Myers-Briggs. Teori Gaya Belajar 1 2 3

8 Gaya Belajar Berbasis Kepribadian Belajar bukanlah hasil atau produk, tetapi sebuah proses. Belajar adalah proses terganggu sesuai dengan pengalaman. Enam dasar proses belajaran Belajar memerlukan resolusi antara bentuk sesuai dengan dunia yang bertentangan satu sama lain. Belajar adalah proses holistik sesuai dengan alam. Belajar mencakup interksi antara individu dan lingkungannya. Belajar adalah proses dimana pengetahuan adalah diciptakan sebagai hasil interaksi antara pengetahuan sosial dan pengetahuan pribadi

9 Teori Penunjang Metode Penyampaian Informasi Berbasis Kepribadian Belajar adalah proses mengubah pengetahuan itu sendiri menjadi prilaku. Pembelajar memerlukan empat kemampuan yang berbeda untuk belajar efektif, diataranya yaitu : 1.Pengalaman nyata didasarkan pada perasaan. 2.Reflektif obserfasi didasarkan pada visual 3.Abstrak konseptualis didasarkan padap pemikir 4.Aktif eksperimentasi didasarkan pada tindakan 1 2 3

10 Metode Penyampaian Informasi Berbasis Kepribadian Gaya belajar dengan menggunakan media online Sensing Learner (Kongkrit, praktis, berorenasi pada fakta dan prosedural) atau Intuitive Learner (Konseptual, inovatif, berorentasi pada teori dan makna) Visual Learner (Lebih menyukai representasi visual yang direpresentasikan dalam bentuk gambar, diagram, flow chart) atau Verbal Learners (lebih menyukai penjelasan tertulis dan lisan). Inductive Learnes (Lebih menyukai presentasi yang diproses dari spesifik ke umum) atau Deductive Learners (Lebih menyukai presentasi yang berangkat dari yang bersifat umum kepada bentuk khusus) Active Learners (Belajar dengan jalan mencoba, bekerja sama dengan lingkungan) atau Reflective Learners (belajar dengan jalan memikirkan sesuatunya, lebih menyukai bekerja sendiri) Sequential Learners (Liner, mengerjakan sesuatu secara terurut, belajar dengan langkah setahap demi setahap) atau Global Learners (Holistic, berpikir menyeluruh, belajar dengan langkah atau tahapan yang besar)

11 Metode Penyampaian Informasi Berbasis Kepribadian Keterkaitan gaya belajar menurut Myers-Briggs dengan E-learning 1 2 3

12 Teori Penunjang Algoritma Pengenalan Citra Pendekatan Pengenalan Pola Statistikal (StarPR) berdasarkan model statistik dari fitur dan model statistik didefinisikan sebagai sebuah fungsi Sistem feature base Pada sistem ini menggunakan ekstrasi dari komponen citra wajah (mata, alis, bentuk kepala, hidung mulut dan sebagainya.) 1 2 3

13 Algoritma Pengenalan Citra Menghitung Eigenface 1. Membuat eigen vektor 2. Menggabungkan setiap image dalam WH elemen vektor dengan menggabungkan semua baris. 3. Menjumlahkan semua baris pada ImageMatrix dan membaginya dengan N untuk mendapatkan rataan gabungan gambar (R). 4. Mengurangi ImageMatrix dengan average image R. Kemudian membentuk matriks baru ukuran N x WH sebagai R. 5. Jika pada elemen-elemen dari matrik R ditemukn nilai negatif, maka ganti nilai tersebut dengan

14 Berikutnya adalah identifikasi yang dilakukan dengan proyeksi, digunakan alogaritma sebagai berikut: 1. Membuat FaceSpace (image): image berukuran W x H pixel. 2. Menggabungkan elemen vektor WH kemudian disebut file img. 3. load nilai rataan R dari database, kurangi img dengan R, kita dapatkan R img. 4. Jika pada img ditemukan elemen dengan nilai negatif, ganti dengan nilai 0 untuk mendapatkan vektor ukuran img. Menghitung Eigenface 1 2 3

15 Proses selanjutnya adalah identifikasi, yaitu : 1. memproyeksikan test image ke Face Space dan memghitung score. 2. Load semua wajah yang sudah diproyeksikan dari data base. 3. Dapatkan secore dari setiap image 4. Lakukan oprasi pengurangan, secor image dengan semua wajah yang telah diproyeksikan. 5. Ambil nilai absolutnya dan jumlakan, hasilnya adalah score 6. Mengambil score terkecil sebagai hasil dari wajah yang telah diproyeksikan, Wajah ini menjadi model identifikasi Menghitung Eigenface 1 2 3

16 Cotoh Eigenface 1 2 3

17 Cotoh Eigenface input =

18 Training set Cotoh Eigenface 1 2 3

19 PERANCANGAN Bagian ini menjelaskan tentang desain sistem identifikasi kepribadian, berdasarkan model dan karakteristik beberapa bagian wajah

20 PERANCANGAN Parameter sistem 1. Jumlah kepribadian pada data base. 2. Jumlah sifat pada data base. 3. Fitur wajah yang diekstrasi. 4. Jumlah eigen value pada data base. 5. Koordinat mata. 6. Koordinat alis. 7. Koordinat kepala.

21 1. Citra masukan yang ditangkap oleh kamera. 2. Nilai RGB setiap pixsel pada citra. 3. Nilai eigenface. 4. Sifat yang teridentifikasi. 5. Kepribadian yang teridentifikasi. Variabel sistem

22 1. Warna background relatif berbeda dengan wajah. 2. Pembelajar diasumsikan sebagai orang mongoloid. 3. Pembelajar diasumsikan memiliki wajah yang normal dan simetris. 4. Sistem hanya mampu mengidentifikasi kepribadian saat pengambilan gambar sesuai dengan parameter yang ditentukan. Batasan sistem

23 PERANCANGAN Perancangan fungsional Fungsi oprasional perangkat lunak yang dirancang dan dikembangkan adalah sebagai berikut: 1. Pengambilan gambar : sistem mampu mengambil gambar dengan koordinat yang sudah ditentukan titik referensinya. 2. Kalkulasi citra wajah : sistem mampu mendapatkan nilai eigen dari daerah mata, alis dan kepala degan algoritma eigenface. 3. Identifikasi sifat : sistem mampu mengidentifikasi sifat - sifat yang menyertai model alis, mata, dan kepala sesuai dengan nilai eigen yang didapatkan. 4. Identifikasi kepribadian : sistem mampu mengidentifikasi kepribadian pembelajar (user) dengan cara membandingkan banyaknya sifat dari sifat empat dasar tipe kepribadian.

24 PERANCANGAN Perancangan Detail Skema identifikasi kepribadian Memisahkan bagian wajah Kalkulasi eigen value Alis Kalkulasi eigen value Mata Kalkulasi eigen value Kepala Pengambilan gambar Proses Matching Menampilkan Hasil Identifikasi Data Base Mencari Nilai eigen value yang paling mendekati

25 Perancangan Detail Perangkat Lunak Pengambilan Gambar Start Memangil fungsi camera Tidak Tampilkan Vidio Ya Vidio Mengambil Gambar Gambar (Image) Stop

26 Start Perancangan Detail Perangkat Lunak Identifikasi Wajah Memuat Image Training set Image image Menghitung EigenFace Tidak Eigenface image Mengenali objek Dikenali YA Mendapat Image yang sama Stop

27 Perancangan Detail Perangkat Lunak Identifikasi Kepribadian start Nilai Eigenface Tidak Menghimpun Sifat Daftar sifat Citra Wajah Dapat Sifat Tidak Daftar Kepribadian Ya Mencocokan sifat Daftar sifat Cocok Kepribadin Stop

28 IMPLEMENTASI DAN PENGUJIAN Pada bagian ini dilakukan pengujian terhadap sistem yang telah dirancang dan diimplementasikan. Pengujian awalnya dilakuan pada pengambilan citra wajah, ekstrasi daerah wajah, dan pengujian identifikasi kepribadian.

29 IMPLEMENTASI DAN PENGUJIAN Pengujian Pengambilan Gambar Pengambilan Gambar Ekstraksi, alis, mata, dan bagian kepala

30 Hasil Pengujian Pengambilan Gambar Pengujia pada pengambilan gambar memiliki akurasi yang cukup bagus, namun masi memiliki kekurangan, yaitu memerlukan waktu yang relatif lama untuk menempatkan bagian mata pada titik referensi yang di sediakan.

31 IMPLEMENTASI DAN PENGUJIAN Pengujian Eigenface Pada matlab Pengujian simulasi pada matlab dan perangkat lunak identifikasi kepribadian, didapatkan hasil yang sama pada uji coba salah satu sampel mata

32 Grafik citra training set dan grafik input citra Pengujian Eigenface Pada matlab

33 Pengujian perangkat Lunak identifikasi Kepribadian Contoh : Pengujian bagian alis pada perangkat lunak identifikasi kepribadian Contoh : Pengujian bagian mata pada perangkat lunak identifikasi kepribadian

34 Pengujian perangkat Lunak identifikasi Kepribadian Contoh : Pengujian bagian kepala pada perangkat lunak identifikasi kepribadian

35 IMPLEMENTASI Pengujian Identifikasi Kepribadian Didapatkan hasil 9 tepat dan 6 tidak tepat dengan hasil uji kuisioner yang dibuat oleh Florece

36 RENCANA IMPLEMENTASI Kepribadian dan Strategi Pembelajaran Jika identifikasi kepribadian yang didapatkan adalah koleris, maka secara garis besar pembelajar ini memiliki sifat ekstrofet, pelaku, dan optimis. Dalam teori gaya belajar Myers-Briggs, kepribadian tersebut sangat tepat menggunaka fitur pada E- learning berupa Forum diskusi dan beberapa konten berupa Simulasi, multimedia interaktif. Sedangkan cara memberikan materi hanya dengan memberikan tantangan - tantangan baru pada materi pembelajaran tersebut. Jika identifikasi kepribadian yang didapatkan adalah melankolis, maka secara garis besar pembelajar ini memiliki kepribadian yang introvet, pemikir dan pesimis. Merujuk pada teori Myers- Briggs, kepribadian tersebut tepat mengunakan media belajar jurnal, blog, dan roodmap pembelajaran, serta memberikan konten berupa referensi - referensi materi yang cukup serta meberikan beberapa fasilitas multimedia. Jika identifikasi kepribadian yang didapatkan adalah plagmatis, maka secara garis besar pembelajar ini memiliki sifat introvet, pengamat, dan pesimis. Menurut Myers-Briggs media pembelajaran yang tepat bagi pembelajar ini adalah jurnal, blog, dan forum diskusi serta diberikan konten berupa simulasi dan referensi materi. Jika kepribadian yang didapat adalah sangwinis, maka secara garis besar kepribadian ini memiliki sifat ekstrofet, pembicara, dan optimis. Pada teori pembelajaran Myers-Briggs tipe kepribadian ini disarankan untuk diberikan fitur berupa forum diskusi dengan menyediakan konten referensi materi yang cukup.

37 Penutup Ekstrasi fitur wajah dengan teknik memotong (crop) pada citra memiliki kesulitan yang relatif, sehingga dalam ujicoba yang dilakukan diperoleh akurasi 80 %. Untuk algoritma eigenface merupakan algoritma yang cukup baik dalam mengenali fitur-fitur wajah, dan dapat mepresentasikan citra dalam bentuk karakteristik. Dari 15 percobaan identifikasi kepribadian menggunkan prangkat lunak didapatkan hasil 9 tepat dan 6 tidak tepat dengan cara membandingkan hasil identifikasi pada kuisioner. Oleh karena itu prangkat lunak tersebut dapat dinilai cukup baik dalam mengidentifikasi kepribadian dengan akurasi 60 %. Kesimpulan