Klasifikasi Pola Pergerakan Bola Mata Menggunakan Metode Multilayer Backpropagation
DOI:
https://doi.org/10.25126/jtiik.2022925668Abstrak
Salah satu organ terpenting yang ada pada tubuh manusia yaitu indera penglihatan. Manusia dapat memperoleh informasi sebanyak 80% hanya dengan melihat. Pada bagian mata, terutama iris, terdapat wilayah-wilayah yang merepresentasikan tiap bagian dari tubuh. Dengan adanya jaringan syaraf yang ada pada iris, dapat diketahui respons terhadap semua perubahan yang ada di dalam tubuh termasuk perubahan semangat hidup hingga karakter atau sifat seseorang. Pada penelitian ini dibuat sebuah sistem untuk mengenali pola pergerakan mata. Salah satu caranya yaitu melalui pendeteksian pupil. Data citra yang digunakan pada penelitian ini berjumlah 65 citra wajah berukuran 1280 x 720 pixel yang akan diklasifikasikan menjadi 5 label yaitu, mata menghadap atas, bawah, depan, kanan, dan kiri. Data citra akan disegmentasi menggunakan framework Deep-VOG untuk kemudian didapatkan 107 hasil dari ekstraksi fitur pupil menggunakan metode Sector Line Distance. Dari hasil ekstraksi tersebut, selanjutnya akan diklasifikasikan menggunakan metode Backpropagation. Arsitektur Backpropagation yang digunakan yaitu menggunakan 1 hidden layer dengan 11 neuron pada hidden layer. Sedangkan untuk parameter-parameter yang digunakan yaitu learning rate sebesar 0,7 dan iterasi sebanyak 100 iterasi. Hasil dari klasifikasi pola pergerakan mata memperoleh tingkat akurasi sebesar 88,24% pada saat pelatihan dan 80,95% pada saat pengujian.
Abstract
Eye is one of the most important organs in the human body. By using the eye, humans can get as much as 80% of information just by looking. There are several regions that represent each part of the body in the iris of the eye. The presence of a neural network in the iris, helps humans to be able to find out the response to all changes in the body including changes in the spirit of life, character or even a person's nature. In this study, a system to recognize eye movement patterns will be created through pupil detection. A total of 65 facial image data used in this study measuring 1280 x 720 pixels which will be classified into 5 labels, those are eyes facing up, down, front, right, and left. The facial image will be segmented using the Deep-VOG framework and the pupil features will be extracted using the Sector Line Distance method. The results of the 107 pupil extraction data will be classified using the Backpropagation method and obtain an accuracy level of 88,24% in training and 80.95% in testing using 1 hidden layer with 11 hidden neurons, 0,7 of a learning rate, and 100 of the number of iterations.
Downloads
Referensi
CHAUDHURI, A., DASGUPTA, A., & ROUTRAY, A. (2012). Video & EOG Based Investigation of Pure Saccades in Human Subjects. doi:10.1109/IHCI.2012.6481872
DEWI, A. K. (2016). Deteksi Gangguan pada Organ Lambung melalui Iris Mata dengan menggunakan Metode Jaringan Syaraf Tiruan Backpropagation. Telkom University, 3(1). doi:https://doi.org/10.30811/.v1i1.286
FAUSETT, L. V. (1994). Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Upper Sadle River, New Jersey: Prentice Hall. Retrieved Mei 17, 2021, from https://openlibrary.telkomuniversity.ac.id/pustaka/136000/fundamentals-of-neural-networks-architectures-algorithms-and-applications.html
GREGORIUS, W. (2016). Deteksi Kesehatan Ginjal melalui Mata Menggunakan Metode Principal Component Analysis dan Jaringan Syaraf Tiruan Backpropagation. Telkom University, 3(1). Retrieved Mei 17, 2021, from https://openlibrary.telkomuniversity.ac.id/home/catalog/id/95955/slug/deteksi-kesehatan-ginjal-melalui-mata-menggunakan-metode-principal-component-analysis-dan-jaringan-syaraf-tiruan-backpropagation.html
IMANUDDIN, I., ALHADI, F., OKTAFIAN, R., & IHSAN, A. (2019). Deteksi Mata Mengantuk pada Pengemudi Mobil menggunakan Metode Viola Jones. Jurnal MATRIK, 18(2), 321-329. doi:https://doi.org/10.30812/matrik.v18i2.389
KHOLILI, M. R., SETIAWAN, B. D., & WIHANDIKA, R. C. (2019). Implementasi Metode Jaringan Saraf Tiruan Backpropagation Pada Prediksi Payload 4G di Telkomsel Jember. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(4), 3838-3844. Retrieved Mei 17, 2021, from https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5048
KURMASELA, G. P., SAERANG, J. S., & RARES, L. (2013). Hubungan Waktu Penggunaan Laptop dengan Keluhan Penglihatan pada Mahasiswa Fakultas Kedokteran Universitas Sam Ratulangi. Jurnal e-Biomedik (eBM), 1(1), 291-299. doi:https://doi.org/10.35790/ebm.1.1.2013.4361
MAHARDIKA, A. N., WIDODO, A. W., & RAHMAN, M. A. (2020). Diagnosis Penyakit Mata menggunakan Metode Improved K-Nearest Neighbor. Retrieved from https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6707
MILLETARI, F., NAVAB, N., & AHMADI, S.-A. (2016). V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation. 2016 Fourth International Conference on 3D Vision (3DV). doi:https://doi.org/10.1109/3DV.2016.79
NUGROHO, H. A., NASRUN, M., & NUGRAHAENI, R. A. (2018). Detektor Kebohongan dengan Analisa Gerakan Mata dan Jumlah Kedipan Mata menggunakan Metode Viola-Jones dan Jaringan Saraf Tiruan Backpropagation. e-Proceeding of Engineering, 5(3), 6134. Retrieved Mei 17, 2021, from https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/7985
NURCAHYA, E. D., PURNAMA, I. K., & PURNOMO, M. H. (2012). Ekstraksi Fitur Secara Otomatis untuk Pengenalan Pola Gerakan Mata. Seminar Nasional Informatika 2012, 1(1). Retrieved Oktober 15, 2020, from http://www.jurnal.upnyk.ac.id/index.php/semnasif/article/view/1001
PANGESTU, G., & BACHTIAR, F. A. (2019). Eyeball Movement Detection Using Sector Line Distance Approach and Learning Vector Quantization. 5th International Conference on Science in Information Technology (ICSITech). doi:10.1109/ICSITech46713.2019.8987443
PUSPASARI, R. (2011). Deteksi Semangat Hidup Seseorang Melalui Pengenalan Pola Iris Mata Berbasis Artificial Neural Network. STMIK Potensi Utama, 3, 23-38.
ROCHMAD, M. (2015). Identifikasi Kerusakan Pankreas Melalui Iridology Menggunakan Metode Bayes Untuk Pengenalan Diabetes Mellitus. Seminar Nasional Informatika (SEMNASIF), 1(1). Retrieved April 11, 2021, from http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/800/679
TRYANTO, B., NASRUN, M., & NUGRAHAENI, R. A. (2018). Detektor Kebohongan dengan Analisa Gerakkan Mata dan Perubahan Diameter Pupil Berbasis Video Kamera Dan Image Processing Menggunakan Metode Haar Cascade Classifier dan Neural Network (Multilayer Perceptron). Telkom University, 5(3), 6139. Retrieved Mei 17, 2021, from https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/7989
WURYANDARI, M. D., & AFRIANTO, I. (2012). Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah. Jurnal Komputer dan Informatika (KOMPUTA). Retrieved from http://komputa.if.unikom.ac.id/_s/data/jurnal/volume-01/komputa-1-1-perbandingan-metode-jaringan-irawan-7.pdf/pdf/komputa-1-1-perbandingan-metode-jaringan-irawan-7.pdf
YIU, Y. H., ABOULATTA, M., RAISER, T., OPHEY, L., FLANAGIN, V. L., EULENBURG, P. Z., & AHMADI, S. A. (2019). DeepVOG: Open-source pupil segmentation and gaze estimation in neuroscience using deep learning. Journal of Neuroscience Methods, 324. doi:https://doi.org/10.1016/j.jneumeth.2019.05.016
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).