Tersenyum merupakan salah satu aktivitas yang paling mudah untuk dilakukan. Memberikan senyuman kepada seseorang faktanya bisa membuat hati menjadi lebih bahagia dan tentu saja dengan tersenyum juga dapat membuat wajah seseorang terlihat lebih cantik, awet muda, dan panjang umur. Hal ini terbukti dengan dilakukannya penelitian pada tahun 2010 kepada para pemain Baseball Major League. Penelitian tersebut didasarkan pada 150 foto dari tahun 1952. Mereka yang tersenyum dengan tulus atau asli atau istilah lainnya senyum Duchenne memiliki usia yang lebih panjang yakni hampir 80 tahun, yang tersenyum dengan setengah hati, hidup hingga usia 75, dan sisanya yang tidak tersenyum sama sekali hanya hidup sampai usia 72 tahun [1]. Akan tetapi penelitian tersebut bukan menjadi faktor utama lama hidupnya seseorang, melainkan dari melihat senyuman yang diberikan seseorang dapat dilihat bagaimana dia menjalani kehidupannya.
Selain menunjukkan bentuk kebahagiaan, senyuman juga dapat menunjukkan tanda bahwa seseorang dalam keadaan emosional yang tidak baik. Biasanya orang yang sedang mengalami suatu masalah akan tersenyum dengan terpaksa atau istilah lainnya tersenyum palsu. Dalam jurnal Advanced Engineering Informatics yang berjudul “A genuine smile is indeed in eyes – The computer aided non-invasive analysis of the exact weight distribution of human smiles across the face” membahas tentang cara mengidentifikasi senyuman tulus atau palsu berdasarkan pendekatan komputasi. Tujuan dari penelitian ini adalah untuk mengembangkan penelitian mengenai senyum dengan analisis komputasi dengan menentukan distribusi dari ekspresi senyuman pada wajah. Selain itu, hipotesis dalam penelitian ini menyatakan bahwa senyum tulus dapat dilihat di area sekitar mata seperti halnya penelitian pada bidang psikologi.
Penelitian pada Bidang Psikologi dan Sosial
Mendeteksi dan menganalisis ekspresi wajah merupakan salah satu penelitian yang dilakukan dalam ilmu psikologi. Terdapat dua metode yang digunakan, yaitu pengumpulan data dengan menggunakan sensor (facial electromyography) atau EMG dan eksperimen sosial. Facial electromyography (EMG) digunakan untuk mendiagnosis aktivias otot wajah dengan menggunakan elektroda. Cara tersebut terbukti efektif untuk membedakan senyum Duchenne (tulus) dan non-Duchenne (palsu). Hasilnya juga menunjukkan bahwa senyuman tulus terjadi secara spontan sedangkan senyum palsu tidak dan terjadi perbedaan pergerakan pada otot-otot wajah.
Metode eksperimen sosial dilakukan dengan menganalisis reaksi para responden dan mempengaruhi mereka agar menunjukkan senyuman tulus dan senyuman palsu. Eksperimen tersebut berdasarkan penelitian yang dilakukan oleh Bernstein dan rekan [2] dengan mempertanyakan ketertarikan seseorang (individu) terhadap pekerjaan yang dilakukannya. Para responden diberikan tugas untuk menuliskan essay mengenai pekerjaan yang disukai dan tidak disukai. Setelah itu para responden diberikan kesempatan untuk melakukan 16 poin level penilaian mengenai kepunyaan, kontrol diri, menghargai diri sendiri, dan arti dari eksistensi berdasarkan pengalaman yang pernah dialami. Hasilnya menunjukkan bahwa para responden yang menyukai pekerjaan bersifat individu lebih sering menunjukkan senyum yang tulus dibandingkan secara berkelompok.
Penelitian juga dilakukan di Negara China dimana Mai dan rekan melakukan eksperimen sosial untuk menunjukkan kemampuan orang-orang China mengidentifikasi senyuman tulus atau palsu. Penelitian ini melibatkan 100 partisipan yang ditanya tentang 20 video untuk mengidentifikasi senyum asli atau palsu. Setelah menonton video tersebut, partisipan diberikan satu pertanyaan,”Bagian manakah dari wajah yang menunjukkan bahwa senyum itu tulus atau palsu?” Survey tertinggi menunujukkan bahwa mata adalah bagian paling akurat dari wajah yang mampu memberikan informasi bahwa senyuman yang terbentuk pada wajah tulus atau palsu.
Identifikasi Bentuk Senyuman dengan Analisis Komputasi
Selain dalam bidang psikologi dan sosial, penelitian mengenai senyuman juga dilakukan dalam bidang komputasi. Terdapat tiga tahapan yang digunakan, pertama objek penelitian yang digunakan berdasarkan video yang menjadikan wajah sebagai pusat identifikasi. Tiga bagian wajah yang paling utama adalah mata, pipi, dan mulut. Kedua, untuk mendeteksi perubahan di area utama wajah (mata, pipi, dan mulut) dengan cara menggunakan algoritma untuk mengukur perpindahan di area wajah. Dan tahap terakhir, dengan menggunakan algoritma optical atau optical flow algorithm diperoleh hasil pengukuran antara gerakan yang terjadi di area sekitar dan seluruh pergerakan yang terjadi di wajah. Berikut ini adalah bentuk flowchart yang memperlihatkan deteksi sekitar wajah dan area utama yang menjadi pusat identifikasi penelitian.
Digunakan dua dataset yang berbeda, masing-masing memiliki tipe spesifikasi antara senyuman tulus dan senyuman palsu yaitu CK+ dataset dan MUG dataset.
CK+ dataset mengandung metadata yang diidentifikasi dengan AUs, hal yang ingin difokuskan pada dataset ini adalah enam bentuk emosi dasar – bahagia, terkejut, marah, khawatir, memberontak, dan sedih. Digunakan 82 subjek yang menunjukkan ekspresi senyum palsu yang diperoleh dari foto yang dipotret dari kamera dengan penggunaan flash light [3]. Sedangkan, MUG dataset memiliki 52 subjek yang diambil dari suku Caucasian yang berusia antara 20 sampai 35 tahun yang dipengaruhi untuk menunjukkan bentuk-bentuk emosi pada wajah mereka [4]. Subjek direkam ketika mereka menonton suatu video dengan tujuan mengetahui ekspresi emosional mereka. Kamera tersebut mampu merekam 19 frame per detik dengan ukuran 896 pixels. Berikut adalah gambar yang menunjukkan hasil dari CK+ dataset dan MUG dataset.
Hasil utama dari penelitian ini adalah untuk mengetahui bentuk weight distribution pada wajah yang berkespresi antara senyum tulus dan senyum palsu. Eksprimen yang dilakukan juga bertujuan untuk menunjukkan perbedaan antara weight distribution yang dihitung secara komputasi dengan optical flow algorithm dan menentukan perhitungan pasti dari weight distribution pada wajah secara individu untuk menunjukkan bentuk senyum tulus atau palsu.
Untuk memahami lebih lanjut dari hasil tersebut, pada percobaan kedua diperoleh bentuk dari hasil teratas berdasarkan rata-rata dan standard deviasi untuk setiap sampel senyuman pada subjek dari kedua dataset untuk bentuk mulut, pipi, dan mata adalah . Berikut adalah diagram yang menunjukkan rata-rata dan standard deviasi yang diperoleh berdasarkan gerakan mata, pipi, dan mulut pada CK+ dataset dan MUG dataset.
Diperoleh perbedaan pada area mulut dan pipi pada CK+ dataset dan MUG dataset. Pada MUG dataset, area sekitar mulut mengalami kenaikan hingga 79% dan di pipi mengalami kenaikan 53% dibandingkan dari hasil yang diperoleh pada CK+ dataset. Untuk area mata, dibandingkan pada CK+ dataset, kenaikan pada MUG dataset adalah 122%.
Untuk mengidentifikasi senyuman tulus atau palsu dapat dilihat dari hasil weight distribution berdasarkan pengamatan pada area spesifik seyum (mulut, pipi, dan mata). Berikut adalah bentuk dari weight distribution baik dari CK+ dataset maupun MUG dataset.
Berdasarkan grafik weight distribution diatas, dapat disimpulkan bahwa bentuk senyuman tulus atau palsu pada wajah dapat dideteksi dengan melihat pada bagian mulut dan pipi. Selanjutnya, berdasarkan flow distribution diperoleh bahwa mata menjadi bagian paling akurat untuk mendeteksi apakah senyuman tersebut tulus atau palsu. Diperoleh hingga 10% aktifitas sekitar mata mengidentifikasi senyuman tersebut adalah senyum tulus. Sehingga dapat disimpulkan area pada wajah yang paling utama untuk mengidentifikasi ketulusan atau kepalsuan dari senyuman adalah pada bagian mata.
Referensi:
[1] Tempo.co. 2013. “13 Fakta Menarik tentang Senyuman”. Kecantikan, 11 Mei 2013 (https://gaya.tempo.co/read/479514/13-fakta-menarik-tentang-senyuman) diakses pada tanggal 22 September 2019.
[2] M.J.Bernstein, et al. 2010. “A Preference for Genuine Smiles Following Social Exclusion”. J. Exp. Soc. Psychol. DOI: 10.1016/j.jesp.2009.08.010.
[3] P. Lucey, et al. 2010. “The Extended Cohn-kanade Dataset (ck+); a Complete Dataset for Action Unit and Emotion Specified Expression”. IEEE Computer Society Conference and Computer Vision and Pattern Recognition-Workshops. DOI: 10.1109/CVPRW.2010.5543262.
[4] N. Aifanti, et al. 2010. “The Mug Facial Expression Database”. 11th International Workshop on Image Analysis for Multimedia Interactive Services WIAMIS 10, 2010.
[5] Ugail.H, Al-dahoud A. 2019. “A Genuine Smile is Indeed in the Eyes – The Computer Aided non-Invasive Analysis of The Exact Weight Distribution of Human Smiles Across The Face”. Advanced Engineering Informatics, July 19, 2019. DOI: 10.1016/j.aei.2019.100967.