BAB 4 HASIL DAN PEMBAHASAN. untuk pengenalan ekspresi wajah diantara metode Non Negative Matrix

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Penelitian Penelitian akan dilakukan untuk mencari hasil yang paling optimal untuk pengenalan ekspresi wajah diantara metode Non Negative Matrix Factorization (NMF), Backpropagation (BP), dan metode kombinasi NMF- BP. Metode-metode diatas akan diuji dengan data masukan dari database JAFFE yang mana gambar dikelompokan menjadi 7 ekspresi wajah untuk mendapatkan hasil pendeteksian dan akurasi setiap metode. Data hasil akan didapatkan dari beberapa eksprimen dengan memodifikasi beberapa parameter dalam eksperimen. Hal ini dilakukan untuk menemukan data yang lebih komprehensif untuk berbagai kondisi. Adapun variasi yang diberikan dalam eksperimen adalah: 1. Eksperimen akan dilakukan dengan tiga metode yaitu NMF, Back- Propagation, dan NMF-BP. Ketiga metode ini akan menggunakan kelompok data yang sama untuk menjamin hasil yang didapatkan reliable. 2. Untuk metode NMF dan NMF-BP, eksperimen akan dilakukan dengan 10 variasi basis gambar. Basis gambar yang digunakan adalah 10, 20, 30, hingga 160. Variasi basis dilakukan untuk menentukan nilai basis yang terbaik untuk proses klasifikasi. 40

2 41 3. Untuk metode Back-Propagation, eksperimen akan dilakukan dengan memberikan variasi jumlah hidden layer. Jumlah hidden layer yang digunakan adalah 400, 500, 600, 700, dan 800. Variasi hidden layer dilakukan untuk menentukan proporsi hidden layer yang paling efektif untuk melakukan proses klasifikasi. Eksperimen akan dijalankan dalam 2 fase, yaitu fase online dan fase offline. Pada fase offline, gambar-gambar yang ditentukan sebagai data pelatihan akan diproses dengan NMF untuk mendapatkan image base dan koefisiennya untuk digunakan dalam metode klasifikasi NMF dan NMF-BP. Fase offline ini termasuk training backpropagation baik untuk NMF-BP maupun Back-Propagation murni sebagai classifier untuk mendapatkan representasi kecerdasan buatan yang akan digunakan saat mengklasifikasikan gambar. Pada fase online, gambar yang tidak digunakan sebagai data pelatihan akan digunakan untuk menguji akurasi dari masing-masing metode dengan menjadikannya sebagai data input. Masing-masing metode klasifikasi akan menentukan ekspresi dari gambar yang diberikan, apakah ekspresi tersebut adalah neutral, angry, happy, sad, fear, surprised, atau disgust. Sejumlah data pengujian yang diberikan akan menentukan akurasi masing-masing classifier sesuai dengan hasil pendeteksian yang didapatkan oleh classifier.

3 Pembahasan Hasil Penelitian Hasil deteksi data gambar yang di uji dengan variasi image bases untuk NMF dan NMF-BP dapat dilihat pada grafik di bawah ini Accuracy (%) NMF 80% NMF + BP 80% Image Base (r) Gambar 4.1 Perbandingan Akurasi NMF dan NMF-BP pada proposi 80% data training Tabel 4.1 Perbandingan Akurasi NMF dan NMF-BP r NMF (%) NMF + BP (%)

4 Pada eksperimen, diberikan proporsi 80% dari keseluruhan data yang digunakan sebagai data pelatihan, sementara 20% sisanya akan dijadikan data pengujian. Dari grafik diatas terlihat bahwa nilai akurasi terbaik didapatkan pada r =100 dan r=140 dengan nilai % untuk metode NMF-BP dan r=90 dan r=100 dengan % untuk metode NMF. Secara hasil, untuk nilai basis yang rendah, metode NMF dapat melakukan klasifikasi dengan lebih baik melihat hasil akuasi dari NMF untuk basis yang memiliki nilai akurasi lebih baik daripada NMF-BP. Pada basis 40, metode NMF-BP mulai memberikan hasil akurasi yang lebih baik daripada metode NMF biasa. Dapat diamati juga bahwa perbaikan akurasi kedua metode dapat dicapai dengan cara meningkatkan jumlah basis/r pada NMF. Semakin tinggi basis NMF, tingkat akurasi yang dapat dicapai juga cenderung meningkat meskipun hal ini tidak selalu terjadi. Meskipun begitu, dapat terlihat bahwa peningkatan jumlah basis akan memberikan rata-rata hasil akurasi yang lebih baik.

5 44 Accuracy (%) BP 80% Hidden Layer Node Gambar 4.2 Grafik Akurasi BP Tabel 4.2 Akurasi BP Hidden Layer Node Accuracy (%) Pada eksperimen untuk jaringan syaraf tiruan backpropagation, dengan variasi eksperimen berupa jumlah unit pada lapisan tersembunyi, dapat dilihat bahwa hasil akurasi yang dicapai tidak berbeda jauh dengan metode sebelumnya. Dalam data hasil deteksi yang didapatkan dari eksperimen, dapat kita lihat bahwa peningkatan jumlah unit lapisan tersembunyi tidak berarti akurasi akan meningkat juga. Akurasi terbaik dicapai dengan jumlah unit lapisan tersembunyi sebanyak 500 dan 600.

6 45 Sementara peningkatan unit lapisan tersembunyi setelah itu malah akan membuat akurasi jaringan syaraf tiruan menurun (akurasi pada unit lapisan tersembunyi 700 dan 800 menunjukan penurunan).