PENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE SCALE INVARIANT FEATURE TRANSFORM (SIFT) dan ARTIFICIAL NEURAL NETWORKS (ANN)

Kemampuan untuk mengenali ekspresi wajah secara otomatis memungkinkan aplikasi Artificial Intelegent (AI) seperti healthcare, Virtual Reality (VR), konferensi video, pemulihan gambar, analisis emosi manusia, ilmu kognitif, pengembangan kepribadian, dan aplikasi dalam lingkup Human-Machine Interaction (HMI) yang berkembang pesat. Saat ini, telah ada penelitian yang membahas tentang hal tersebut, dengan bermacam-macam metode yang digunakan dan memiliki hasil tingkat akurasi pengenalan yang berbeda-beda. Pada penelitian tugas akhir ini terdapat tiga tahapan pada sistem pengenalan ekspresi wajah, yaitu metode Scale Invariant Feature Transform (SIFT) dipilih pada tahap ekstraksi fitur. Proses ekstraksi fitur dengan SIFT menghasilkan keypoint deskriptor, yang kemudian diklasifikasikan menggunakan metode Artificial Neural Networks (ANN) dengan jumlah vector feature yang sebelumnya disamakan menggunakan metode Bag of Feature (BoF). Dataset yang digunakan adalah Japanese Female Facial Expression (JAFFE) yang didalamnya memuat 213 citra dari 7 ekspresi wajah (6 ekspresi wajah dasar dan 1 ekspresi netral) yang diperagakan oleh 10 model wanita Jepang. Penelitian ini bertujuan untuk mengetahui tingkat akurasi yang dihasilkan dengan metode SIFT. Hasilnya nilai akurasi tertinggi yang didapat mencapai 91% dengan jumlah fitur 2400 pada setiap citranya.