Klasifikasi Gambar Wajah dengan Support Vector Machine untuk Mendeteksi Facial Weakness Pada Penderita Stroke

Fachrizal, Mujahid Ahmad (2023) Klasifikasi Gambar Wajah dengan Support Vector Machine untuk Mendeteksi Facial Weakness Pada Penderita Stroke. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311840000034_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (2MB) | Request a copy

Abstract

Stroke adalah suatu penyakit cerebrovascular dimana terjadinya gangguan fungsi otak yang berhubungan dengan penyakit pembuluh darah yang mensuplai darah ke otak. Gejala stroke pada setiap orang bisa berbeda-beda tergantung bagian otak mana yang terkena serangannya sehingga memungkinkan seseorang yang memiliki gejala stroke untuk tidak menyadarinya. Gejala stroke yang paling mudah dikenali adalah dari wajahnya yaitu penderita stroke mempunyai facial weakness. Data diambil secara langsung dengan menggunakan kamera smartphone. Dengan kondisi jarak 30cm dan 60cm, dan kondisi ekspresi terdiam dan tersenyum. Dengan mengambil bagian wajah yang dapat dijadikan sebagai kunci pendeteksian dengan menggunakan landmark extraction dengan mengambil 68 titik landmark dan mengambil 29 bagian fitur yang ada pada wajah untuk diukur tingkat kesimetrisannya dan nilai yang diperoleh dijadikan parameter untuk proses klasifikasi dengan menggunakan SVM. Support Vector Machine atau SVM merupakan algoritma machine learning yang bertujuan untuk menemukan hyperplane terbaik yang dapat memisahkan dua buah class pada ruang dimensi masukan. Dengan menggunakan metode tersebut hasil yang diperoleh adalah nilai akurasi sebesar 0,78 atau sebesar 78% dengan parameter grid yaitu konstanta C sebesar 1000 dan gamma sebesar 0,1.
====================================================================================================================================
Stroke is a cerebrovascular disease in which brain dysfunction occurs due to disease of the blood vessels that supply blood to the brain. The symptoms of a stroke in each person can vary depending on which part of the brain is affected, so it is possible for someone who has stroke symptoms not to notice it. The most easily recognized symptom of a stroke is from their face, namely the stroke patient has a facial weakness. The data is taken directly using a smartphone camera. With conditions of distance of 30cm and 60cm, and conditions of silent and smiling expressions. By taking parts of the face that can be used as detection keys using landmark extraction by taking 68 landmark points and taking 29 parts of the features on the face to measure the level of symmetry and the values obtained are used as parameters for the classification process using SVM. Support Vector Machine or SVM is a machine learning algorithm that aims to find the best hyperplane that can separate two classes in the input dimensional space. By using this method the results obtained are an accuracy value of 0.78 or 78% with the grid parameters namely the C constant of 1000 and the gamma of 0.1.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Facial Weakness, Landmark, Stroke, SVM, Facial Weakness, Landmark, Stroke, SVM.
Subjects:	R Medicine > RA Public aspects of medicine > RA0421 Public health. Hygiene. Preventive Medicine T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Mujahid Ahmad Fachrizal
Date Deposited:	14 Feb 2023 02:09
Last Modified:	14 Feb 2023 02:09
URI:	http://repository.its.ac.id/id/eprint/97163

Actions (login required)

View Item