EKSTRAKSI KOMUNIKASI NONVERBAL MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE
Abstract
Penilaian komunikasi nonverbal dapat diterapkan pada rekrutmen keja secara online. Pemanfaatan aplikasi rekrutmen mulai dipergunakakan beberapa perusahaan swasta untuk efisiensi waktu dan biaya. Untuk mengetahui konsistensi antara ekspresi emosional dengan gerakan wajah diperlukan skill biasanya ditangani seorang psikiologis. Dalam penelitian ini data set berbentuk frame dari video pelamar kerja dilakukan penilaian komunikasi nonverbal yang fokus pada gerakan mata, mulut dan wajah. Formula dan filter GLCM diterapkan untuk ekstraksi ciri bertujuan menemukan pola berdasarkan distribusi statistik dan intensitas piksel. Ekstraksi komunikasi nonverbal bertujuan menganalisa pola gerakan wajah. Formula ektraksi ciri terdiri dari feature, contras, energi, entropy dan homogenitas. Filter ekstraksi dirotasi pada sudut 00, sudut 450, sudut 900, dan sudut 1350. Sumber data 10 video, diambil 10 frame bagian wajah, mata dan mulut per video untuk diekstrak dan dianalisa. Berdasarkan perhitungan formula dan filter GLCM diperoleh formula Homogenity mempunyai nilai tinggi, rata-rata 4,0 menunjukkan tepi citra yang terdeteksi jelas.
Keywords
References
A. A. Gade and A. J. Vyavahare, "Feature Extraction using GLCM for Dietary Assessment Application," 2018.
A. S. Sinaga, “Texture Features Extraction of Human Leather Ports Based on Histogram,” Indones. J. Artif. Intell. Data Min., vol. 1, no. 2, p. 92, 2018.
B. Sudrajat, “Pemilihan Pegawai Berprestasi Dengan Menggunakan Metode Profile Matching,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 2, no. 4, pp. 20–28, 2018.
D. Irwanto, T. Ahmad, and H. Studiawan, “Metode Improved Reduced Difference Co-occurrence Matrix,” vol. 5, no. 2, 2016.
E. S. N. Aisyah, A. W. Hayat, P. Widanti, S. Y. Prasetya, and H. Iskandar, “Analisis Kemiripan Pola Citra Digital Menggunakan Metode Euclidean,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 6–8, 2015.
H. Husdi, “Pengenalan Ekspresi Wajah Pengguna Elearning Menggunakan Artificial Neural Network Dengan Fitur Ekstraksi Local Binary Pattern Dan Gray Level Co-Occurrence Matrix,” Ilk. J. Ilm., vol. 8, no. 3, pp. 212–219, 2016.
K. Adi and E. Widodo, “Analisis Citra Ct Scan Kanker Paru Berdasarkan Ciri Tekstur Gray Level Co-occurrence Matrix Dan Ciri Morfologi Menggunakan Jaringan Syaraf Tiruan Propagasi Balik,” Youngster Phys. J., vol. 5, no. 4, pp. 417–424, 2016.
S. K. P. S and V. S. Dharun, “Extraction of Texture Features using GLCM and Shape Features using Connected Regions,” no. December 2016, pp. 6–11, 2017.
R. R. Waliyansyah, K. Adi, and J. E. Suseno, “Implementasi Metode Gray Level Co-occurrence Matrix dalam Identifikasi Jenis Daun Tengkawang,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 7, no. 1, pp. 50–56, 2018.
S. K. P. S and V. S. Dharun, “Extraction of Texture Features using GLCM and Shape Features using Connected Regions,” no. December 2016, pp. 6–11, 2017.
S. Madenda and U. Gunadarma, “Pengolahan Video Digital,” no. March, 2018 [Diakses: 25 Agustus 2020].
S. A. Alazawi, N. M. Shati, and A. H. Abbas, “Texture features extraction based on GLCM for face retrieval system,” Period. Eng. Nat. Sci., vol. 7, no. 3, pp. 1459–1467, 2019.
S. S. Jumaa and K. Zidan, "Finger vein Recognition Using Two Parallel Enhancement Ppproachs Based Fuzzy Histogram Equalization," Periodicals of Engineering and Natural Sciences, vol. 7, no. 1, pp. 514- 529, 2019.