Identifikasi Ekspresi Pada Film Animasi 3d Menggunakan Ekspresi Wajah Berbasis Neural Network dan K-Means Clustering
| dc.contributor.advisor | Riwinoto | |
| dc.contributor.advisor | anis, anis | |
| dc.contributor.author | Wiyandari, Weni | |
| dc.date.accessioned | 2023-02-15T02:13:57Z | |
| dc.date.available | 2023-02-15T02:13:57Z | |
| dc.date.issued | 2017-07-27 | |
| dc.description.abstract | Detection of expression is something that is strategic for a company engaged in the industrial sector in particular perfilm 3D animated movie, because it speeds up the approval process of the animation supervisor who worked animator, particularly in identifying expressions on character acting. To detect the expression required an automatic system. The system requires a method of artificial intelligence. There are two methods of artificial intelligence that is quite popular in the identification of expression, namely Neural Networks and K-Means Clustering. Neural Network is a supervised learning method which is well used in pattern recognition, while the K-Means Clustering is an unsupervised learning effective methods applied in the process of clarifying the characteristics of the object and is not affected in the order of objects used. The experiment was conducted using both methods to find the highest level of accuracy. In training and testing with a ratio of 80%: 20% of data using Neural Network, the epoch value 500, learning rate 0.3, and 0.2 momentum. While at K-Means Clustering, training to use 100% of the data, with the value itteration 500, numCluster 8 and seed 8. The test results on eight basic expression of happy, sad, afraid, demeaning, angry, disgusted, suprised and interestd, show the highest accuracy on Neural Network is 100%, while the accuracy of the K-Means Clustering is 89.17%. | en_US |
| dc.description.abstrak | Deteksi ekspresi merupakan sesuatu yang strategis bagi sebuah perusahaan yang bergerak di bidang industri perfilm khususnya film animasi 3D, karena mempercepat proses approval supervisor terhadap animasi yang dikerjakan animator, khususnya dalam mengidentifikasi ekspresi pada acting karakter. Untuk mendeteksi ekspresi diperlukan adanya sistem otomatis. Sistem tersebut membutuhkan metode kecerdasan buatan. Ada dua metode kecerdasan buatan yang cukup populer dalam identifikasi ekspresi, yaitu Neural Network dan K-Means Clustering. Neural Network merupakan metode supervised learning yang baik digunakan dalam pengenalan pola, sementara K-Means Clustering merupakan metode unsupervised learning yang efektif diterapkan dalam proses pengklarifikasian karakteristik objek dan tidak terpengaruh pada urutan objek yang digunakan. Percobaan dilakukan dengan menggunakan kedua metode untuk mencari tingkat akurasi tertinggi. Pada training dan testing dengan rasio 80% : 20% data menggunakan Neural Network, dengan nilai epoch 500, learning rate 0.3, dan momentum 0.2. Sedangkan pada K-Means Clustering, training menggunakan 100% data, dengan nilai itteration 500, numCluster 8 dan seed 8. Hasil pengujian pada delapan ekspresi dasar yaitu senang, sedih, takut, merendahkan, marah, jijik, terkejut dan tertarik, menunjukkan akurasi tertinggi pada Neural Network yaitu 100%, sedangkan akurasi pada K-Means Clustering yaitu 89.17%. | en_US |
| dc.identifier.uri | https://repository.polibatam.ac.id/xmlui/handle/123456789/1600 | |
| dc.publisher | Politeknik Negeri Batam | en_US |
| dc.subject | Teknik Informatika | en_US |
| dc.subject | Multimedia dan Jaringan | en_US |
| dc.subject | Ilmu Komputer, Ilmu Informasi, Karya Umum | en_US |
| dc.subject | Computer Sciences, Knowledge, Systems (Ilmu Komputer, Pengetahuan, Sistem) | en_US |
| dc.subject | Computer Science, Computer Programming, Programs Data, Special Computer Methods (Ilmu Komputer, Pemrograman Komputer, Program Data, Metode Komputer Khusus) | en_US |
| dc.title | Identifikasi Ekspresi Pada Film Animasi 3d Menggunakan Ekspresi Wajah Berbasis Neural Network dan K-Means Clustering | en_US |
| dc.type | Thesis | en_US |