KLASIFIKASI EKSPRESI WAJAH MENGGUNAKAN METODE WAVELET

Secara umum Manusia memiliki dua cara dalam mengungkapkan ekspresi. Cara pertama dilakukan dengan verbal, yakni diungkapkan dengan kata-kata yang sadar dilakukan. Cara kedua dilakukan dengan nonverbal, yaitu dilakukan dengan berbagai media, misalnya ekspresi wajah, gerakan tangan, mengangkat bahu, atau anggota tubuh lainnya.
Menurut Paul Ekman dan Wallace V. Friesen, para ilmuwan psikologi menggolongkan ekspresi wajah secara universal dalam enam bentuk ekspresi utama wajah, yakni : Terkejut, Takut, Jijik, Marah, Bahagia dan Sedih.
Melalui ekspresi wajah, ungkapan ekspresi tersebut dapat diperlihatkan oleh perubahan pada komponen-komponen wajah, seperti mulut, dahi, mata, dan bibir. Perubahan komponen-komponen wajah memungkinkan ekspresi pengenalan wajah dilakukan oleh komputer. Dalam dunia komputer, tindakan yang cepat dan tepat dalam mengidentifikasi ekspresi wajah tersebut dapat diwujudkan dengan jaringan syaraf tiruan.
Sistem ini menggunakan software pemrograman matlab dengan mengklasifikasikan ekspresi wajah menggunakan pemisah ciri wavelet sampai level 3 dengan jumlah ciri adalah 252 menggunakan algoritma Neural Network Learning Vector Quantization untuk belajar atau learning pada mesin inferensi. Banyaknya jumlah sampel yang digunakan dalam penelitian sebanyak 222 citra ekspresi wajah (dari 6 jenis ekspresi wajah), sedangkan untuk data uji sebanyak 60 citra ekspresi wajah (dengan 6 jenis ekspresi wajah). Sehingga menghasilkan nilai komulatif keberhasilan 85,6% dengan parameter alfa 0,1; decalfa 0,01; minalfa 0,0000001; maxiterasi 10.000 dan jumlah iterasi sampai 110.

Kata kunci: Ekspresi Wajah, Learning Vector Quantization (LVQ).