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

• 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

Latar Belakang

• Untuk meningkatkan kemampuan kerja E-

learning, 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.

Permasalahan

Pendahuluan

• 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.

Batasan Masalah

Pendahuluan

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.

Tujuan

Pendahuluan

1 2 3

Teori Penunjang

• 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

(Introvet, Pengamat, dan Pesimis)

Gaya Belajar Berbasis Kepribadian

1 2 3

• Pembelajar dengan berbagai latar belakang

perlu diberi fasilitas untuk meningkatkan

efektifitas kegiatan belajar.

• Formulasi gaya belajar yang sudah

dirumuskan para ahli antara lain :

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.

Gaya Belajar Berbasis Kepribadian

Teori Gaya Belajar

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 PenunjangMetode Penyampaian Informasi Berbasis Kepribadian

• Belajar adalah proses mengubahpengetahuan itu sendiri menjadi prilaku.

• Pembelajar memerlukan empatkemampuan yang berbeda untuk belajarefektif , diataranya yaitu :

1.Pengalaman nyata didasarkan padaperasaan.

2.Reflektif obserfasi didasarkan padavisual

3.Abstrak konseptualis didasarkan padappemikir

4.Aktif eksperimentasi didasarkan padatindakan

1 2 3

Metode Penyampaian Informasi Berbasis Kepribadian

• 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).

Gaya belajar dengan menggunakan media online

1 2 3

Metode Penyampaian Informasi Berbasis Kepribadian

Keterkaitan gaya belajar menurut Myers-Briggs dengan E-learning

1 2 3

• 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.)

Teori PenunjangAlgoritma Pengenalan Citra

1 2 3

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.

.

Menghitung Eigenface

Algoritma Pengenalan Citra

1 2 3

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’.

Menghitung Eigenface

1 2 3

Proses selanjutnya adalah identifikasi, yaitu :

1. memproyeksikan test image ke FaceSpace dan memghitung score.

2. Load semua wajah yang sudah diproyeksikan dari data base.

3. Dapatkan secore dari setiap image

4. Lakukan oprasi pengurangan, secor imagedengan 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

Menghitung Eigenface

1 2 3

Cotoh Eigenface

1 2 3

input

Cotoh Eigenface

=7

1 2 3

Training setCotoh Eigenface

PERANCANGAN

Bagian ini menjelaskan tentang desain sistem identifikasi kepribadian, berdasarkan model dan karakteristik

beberapa bagian wajah

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.

Parameter sistem

PERANCANGAN

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.

Variabel 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.

Batasan sistem

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 fungsional

PERANCANGAN

PERANCANGANPerancangan Detail

Memisahkan bagian wajah

Pengambilan gambar

Menampilkan Hasil

Identifikasi

Kalkulasi eigen value Alis

Kalkulasi eigen value Mata

Kalkulasi eigen value Kepala

Data Base

Proses Matching

Mencari Nilai eigen value yang paling mendekati

Skema identifikasi kepribadian

Start

Stop

Memangil fungsi

camera

Tampilkan Vidio

Tidak

Vidio

Ya

Mengambil Gambar

Gambar (Image)

Perancangan Detail

Perangkat Lunak Pengambilan Gambar

Perancangan Detail

Perangkat Lunak Identifikasi WajahStart

Training set

ImageMemuat Image

Menghitung

EigenFace

Eigenface

image

Mengenali objek

Mendapat Image

yang sama

image

Dikenali

YA

Tidak

Stop

Daftar sifat

Daftar sifat

Citra WajahMenghimpun Sifat

Mencocokan sifat

Nilai Eigenface

Dapat Sifat

Tidak

Ya

Cocok

Daftar

Kepribadian

Kepribadin

start

Stop

Tidak

Perancangan Detail

Perangkat Lunak Identifikasi Kepribadian

IMPLEMENTASI DAN PENGUJIAN

Pada bagian ini dilakukan pengujianterhadap sistem yang telah dirancangdan diimplementasikan. Pengujianawalnya dilakuan pada pengambilancitra wajah, ekstrasi daerah wajah, danpengujian identifikasi kepribadian.

Pengujian Pengambilan Gambar

Ekstraksi, alis, mata, dan bagian kepala

Pengambilan Gambar

IMPLEMENTASI DAN PENGUJIAN

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.

Pengujian Eigenface Pada matlab

Pengujian simulasi pada matlab dan perangkat lunak identifikasi kepribadian, didapatkan hasil yang sama pada uji coba salah satu

sampel mata

IMPLEMENTASI DAN PENGUJIAN

Grafik citra training set dan grafik input citra

Pengujian Eigenface Pada matlab

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 padaperangkat lunak identifikasikepribadian

Pengujian perangkat Lunak identifikasi Kepribadian

IMPLEMENTASIPengujian Identifikasi Kepribadian

Didapatkan hasil 9 tepat dan 6 tidak tepat dengan hasil uji kuisioner yang dibuat oleh Florece

RENCANA IMPLEMENTASI

• 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 E-learning berupa Forum diskusi dan beberapa konten berupaSimulasi, multimedia interaktif. Sedangkan cara memberikanmateri hanya dengan memberikan tantangan - tantangan barupada materi pembelajaran tersebut.

• Jika identifikasi kepribadian yang didapatkan adalah melankolis,maka secara garis besar pembelajar ini memiliki kepribadianyang introvet, pemikir dan pesimis. Merujuk pada teori Myers-Briggs, kepribadian tersebut tepat mengunakan media belajarjurnal, blog, dan roodmap pembelajaran, serta memberikankonten berupa referensi - referensi materi yang cukup sertameberikan 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 mediapembelajaran yang tepat bagi pembelajar ini adalah jurnal, blog,dan forum diskusi serta diberikan konten berupa simulasi danreferensi materi.

• Jika kepribadian yang didapat adalah sangwinis, maka secaragaris besar kepribadian ini memiliki sifat ekstrofet, pembicara,dan optimis. Pada teori pembelajaran Myers-Briggs tipekepribadian ini disarankan untuk diberikan fitur berupa forumdiskusi dengan menyediakan konten referensi materi yangcukup.

Kepribadian dan Strategi Pembelajaran

Penutup

Kesimpulan

Ekstrasi fitur wajah dengan teknik memotong(crop) pada citra memiliki kesulitan yang relatif,sehingga dalam ujicoba yang dilakukan diperolehakurasi 80 %. Untuk algoritma eigenfacemerupakan algoritma yang cukup baik dalammengenali fitur-fitur wajah, dan dapatmepresentasikan citra dalam bentuk karakteristik.Dari 15 percobaan identifikasi kepribadianmenggunkan prangkat lunak didapatkan hasil 9tepat dan 6 tidak tepat dengan caramembandingkan hasil identifikasi pada kuisioner.Oleh karena itu prangkat lunak tersebut dapatdinilai cukup baik dalam mengidentifikasikepribadian dengan akurasi 60 %.