Pengenalan Ekspresi Wajah Menggunakan PCA dan Jaringan Syaraf Tiruan Learning Vector Quantization

Ekspresi wajah merupakan suatu hal yang penting dalam proses komunikasi antar manusia. Pada pengenalan ekspresi wajah manusia, terdapat dua hal yang harus dilakukan, yaitu pengekstraksian ciri dari suatu citra inputan dan pengklasifikasian citra tersebut ke dalam kelas ekspresi tertentu. Cara yang tepat untuk mendapatkan kombinasi ekstrasi fitur dan klasifikasi citra merupakan hal yang penting dalam pengenalan ekspresi wajah. Oleh karena itu, Principal Component Analysis (PCA) digunakan sebagai teknik ekstraksi fitur untuk pengenalan ekspresi wajah manusia. PCA memilih fitur yang bisa merepresentasikan ekspresi pada citra wajah manusia secara tepat . Untuk klasifikasi, dipilih metode jaringan syaraf tiruan Learning Vector Quantization (LVQ), dan algoritma diuji pada database JAFFE (Japanese Female Facial Expressions). Dari penelitian ini menunjukkan tingkat performa (akurasi) rata-rata yang dihasilkan dari penggunaan PCA (Principal Component Analysis) untuk ekstraksi fitur dan Jaringan Syaraf Tiruan LVQ (Learning Vector Quantization) dalam pengenalan ekspresi wajah adalah sebesar 48%, dengan akurasi tertinggi yang dicapai adalah 60% untuk penggunaan 20 fitur PCA.