Melola Discovery

← Melola Discovery

Jurnal Tanpa peringkat SINTA

Pengenalan Ekspresi Mikro Wajah Berdasarkan Point Feature Tracking Menggunakan Fase Apex Pada Database Ekspresi Mikro

Edu Komputika Journal · Vol. 9 No. 1 (2022) · hlm. 28–36

DOI
10.15294/edukomputika.v9i1.56600
ISSN
2599-297X, 2252-6811
Terbit
2022-06-30
Penerbit
Jurusan Teknik Elektro Universitas Negeri Semarang
Bahasa
eng

Abstrak

Ekspresi mikro merupakan ekspresi wajah yang terjadi secara tidak disengaja untuk menyembunyikan perasaan sebenarnya (emotional leakage). Penelitian sebelumnya menggunakan seluruh area wajah dan seluruh frame pada dataset video, hal ini menghasilkan waktu komputasi tergolong lama dan terjadinya redundancy data. Kontribusi utama penelitian ini menerapkan analisa pengenalan ekspresi mikro menggunakan perbandingan frame apex dengan pilihan manual (handcrafted) dan secara acak (random sampling) dan menerapkan pelacakan titik fitur pada area alis mata dan sudut bibir. Discriminative Response Map Fitting (DRMF) sebagai metode yang membentuk titik fitur dan selanjutnya dilakukan pelacakan titik-titik fitur wajah dengan Kanade-Lucas-Tomasi (KLT). Hasil pelacakan titik-titik fitur tersebut menghasilkan data motion features sebagai data ekstraksi fitur dan dilakukan analisa perbandingan metode klasifikasi menggunakan Support Vector Machine (SVM) dan MLP-Backpropagation menggunakan dataset CASME II. Hasil eksperimen penelitian ini menunjukkan hasil yang signifikan dengan akurasi sebesar 81,3% pada MLP-Backpropagation dan waktu komputasi rata-rata 1,45 detik pada setiap video. Hal ini menunjukkan bahwa informasi pada fase apex memberikan informasi yang penting untuk pengenalan ekspresi mikro pada wajah.

Jaringan kolaborasi para penulis

3 penulis · 3 tautan kepenulisan bersama · 2 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Islam Raden Rahmat Malang
  • Politeknik Negeri Malang
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/edukom/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Pengenalan Ekspresi Mikro Wajah Berdasarkan Point Feature Tracking Menggunakan Fase Apex Pada Database Ekspresi Mikro</dc:title>
	<dc:creator>Choirina, Priska</dc:creator>
	<dc:creator>Rosiani, Ulla Delfana</dc:creator>
	<dc:creator>Fitriani, Indah Martha</dc:creator>
	<dc:description xml:lang="en-US">Ekspresi mikro merupakan ekspresi wajah yang terjadi secara tidak disengaja untuk menyembunyikan perasaan sebenarnya (emotional leakage). Penelitian sebelumnya menggunakan seluruh area wajah dan seluruh frame pada dataset video, hal ini menghasilkan waktu komputasi tergolong lama dan terjadinya redundancy data. Kontribusi utama penelitian ini menerapkan analisa pengenalan ekspresi mikro menggunakan perbandingan frame apex dengan pilihan manual (handcrafted) dan secara acak (random sampling) dan menerapkan pelacakan titik fitur pada area alis mata dan sudut bibir. &amp;nbsp;Discriminative Response Map Fitting (DRMF) sebagai metode yang membentuk titik fitur dan selanjutnya dilakukan pelacakan titik-titik fitur wajah dengan Kanade-Lucas-Tomasi (KLT). Hasil pelacakan titik-titik fitur tersebut menghasilkan data motion features sebagai data ekstraksi fitur dan dilakukan analisa perbandingan metode klasifikasi menggunakan Support Vector Machine (SVM) dan MLP-Backpropagation menggunakan dataset CASME II. Hasil eksperimen penelitian ini menunjukkan hasil yang signifikan dengan akurasi sebesar 81,3% pada MLP-Backpropagation dan waktu komputasi rata-rata 1,45 detik pada setiap video. Hal ini menunjukkan bahwa informasi pada fase apex memberikan informasi yang penting untuk pengenalan ekspresi mikro pada wajah.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Teknik Elektro Universitas Negeri Semarang</dc:publisher>
	<dc:date>2022-06-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/edukom/article/view/56600</dc:identifier>
	<dc:identifier>10.15294/edukomputika.v9i1.56600</dc:identifier>
	<dc:source xml:lang="en-US">Edu Komputika Journal; Vol 9 No 1 (2022): Edu Komputika Journal; 28 - 36</dc:source>
	<dc:source>2599-297X</dc:source>
	<dc:source>2252-6811</dc:source>
	<dc:source>10.15294/edukomputika.v9i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/edukom/article/view/56600/22530</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 Edu Komputika Journal</dc:rights>
</oai_dc:dc>