Identifikasi Kepribadian Berbasis Eigenface Untuk

Identifikasi Kepribadian Berbasis
Eigenface Untuk Mendukung
Personalisasi Pada Sistem
E-Pembelajaran
Dwi Sudharmono Wanudyatanto
NRP 2206 100 012
Dosen Pembimbing
Prof. Dr. Ir. Achmad Jazidie, M.Eng.
Yusuf Bilfaqih, S.T., M.T
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
Pendahuluan
Permasalahan
• Untuk meningkatkan kemampuan kerja Elearning, 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.
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.
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.
Teori Penunjang
Gaya Belajar Berbasis Kepribadian
•
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
1 2 3
(Introvet, Pengamat, dan Pesimis)
Gaya Belajar Berbasis Kepribadian
Teori Gaya Belajar
• Pembelajar dengan berbagai latar belakang
perlu diberi fasilitas untuk meningkatkan
efektifitas kegiatan belajar.
• Formulasi gaya belajar yang
dirumuskan para ahli antara lain :
sudah
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.
1 2 3
Gaya Belajar Berbasis Kepribadian
Enam dasar proses belajaran
• Belajar bukanlah hasil atau produk, tetapi
sebuah proses.
• Belajar adalah proses terganggu sesuai
dengan pengalaman.
• 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.
1 2 3
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
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).
1 2 3
Metode Penyampaian Informasi Berbasis Kepribadian
Keterkaitan gaya belajar menurut Myers-Briggs dengan E-learning
1 2 3
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
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 0.
1 2
3
Menghitung Eigenface
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’.
1 2 3
Menghitung Eigenface
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
1 2 3
Cotoh Eigenface
1 2 3
Cotoh Eigenface
input
=7
1 2 3
Cotoh Eigenface
Training set
1 2 3
PERANCANGAN
Bagian ini menjelaskan tentang
desain sistem identifikasi kepribadian,
berdasarkan model dan karakteristik
beberapa bagian wajah
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.
Variabel sistem
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.
Batasan sistem
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.
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.
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
Data
Base
Mencari Nilai
eigen value yang
paling mendekati
Menampilkan
Hasil
Identifikasi
Perancangan Detail
Perangkat Lunak Pengambilan Gambar
Start
Memangil fungsi
camera
Tidak
Tampilkan Vidio
Ya
Vidio
Mengambil Gambar
Gambar (Image)
Stop
Perancangan Detail
Start
Memuat Image
Menghitung
EigenFace
Tidak
Eigenface
image
Mengenali objek
Dikenali
YA
Mendapat Image
yang sama
Stop
Perangkat Lunak Identifikasi Wajah
Training set
Image
image
Perancangan Detail
Perangkat Lunak Identifikasi Kepribadian
start
Nilai Eigenface
Tidak
Menghimpun Sifat
Daftar sifat
Citra Wajah
Dapat Sifat
Tidak
Ya
Daftar
Kepribadian
Mencocokan sifat
Cocok
Kepribadin
Stop
Daftar sifat
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.
IMPLEMENTASI DAN PENGUJIAN
Pengujian Pengambilan Gambar
Pengambilan Gambar
Ekstraksi, alis, mata, dan bagian kepala
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.
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
Pengujian Eigenface Pada matlab
Grafik citra training set dan grafik input
citra
Pengujian perangkat Lunak identifikasi Kepribadian
Contoh :
Pengujian bagian
alis pada
perangkat lunak
identifikasi
kepribadian
Contoh :
Pengujian bagian
mata pada
perangkat lunak
identifikasi
kepribadian
Pengujian perangkat Lunak identifikasi Kepribadian
Contoh :
Pengujian bagian kepala pada
perangkat lunak identifikasi
kepribadian
IMPLEMENTASI
Pengujian Identifikasi Kepribadian
Didapatkan hasil 9
tepat dan 6 tidak
tepat dengan hasil uji
kuisioner yang dibuat
oleh Florece
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 Elearning 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 MyersBriggs, 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.
Penutup
Kesimpulan
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 %.