Analisis dan Implementasi Learning Vector Quantization Untuk Mengenali Ekspresi Wajah Pada Sistem Pemilihan Lagu

Tugas Akhir ini dibuat untuk mengenali ekspresi wajah sebagai indikator untuk menjalankan musik. Sistem pengenalan ekspresi wajah berasal dari data masukan seseorang saat itu yang diambil secara real time, dengan posisi terdekat dengan kamera, di mana posisi wajah tidak boleh miring dan menghadap lurus ke kamera. Sehingga dapat digunakan untuk membantu proses komunikasi seseorang dengan mengenali emosinya melalui musik yang diputar. Prosesnya dengan pengambilan citra wajah secara real time yang dikenali dengan kombinasi warna, dan mengekstrak fitur penting dari wajah berdasarkan lokasi alis, mata, dan bentuk mulut kemudian pengenalan ekspresi wajah menggunakan jaringan saraf tiruan (Learning Vector Quantization). Dari hasil pengujian white box dapat diambil kesimpulan bahwa kompleksitas lagoritma learning vector quantization adalah 7. Dan hasil uji black box dapat diambil kesimpulan bahwa fungsional dari setiap sistem berjalan dengan baik. Sedangkan dalam uji performansinya berdasarkan jumlah training yang dilakukan, jarak wajah terhadap kamera, dan pengaruh cahaya dapat diambil kesimpulan bahwa akurasi dari sistem pendeteksian ekspresi wajah dalam pemilihan lagu adalah 63,33%. Dan output dari pengenalan ekspresi wajah berupa musik yang secara otomatis akan dijalankan berdasarkan ekspresi pengguna, sehingga musik akan berubah mengikuti perubahan ekspresi wajah pengguna.

Final Project was created to recognize facial expressions as indicators for running music. Facial expression recognition system derived from the data input person when it is taken in real time, the position closest to the camera, where the position of the face must not be tilted and facing straight into the camera. So it can be used to assist a person with a communication process recognizing emotions through music played. The process by making a face image in real time that are recognized by a combination of colors, and extract the essential features of the face based on the location of eyebrows, eyes, and mouth shape then facial expression recognition using artificial neural networks (Learning Vector Quantization). From the results of white-box testing can be concluded that the complexity of learning vector quantization algorithm is 7 and black box test results can be concluded that the functional of any system running well. While its performance in the test based on the amount of training that is done, the distance to the face of the camera, and the influence of light can be concluded that the accuracy of facial expression detection system in the selection of songs is 63.33%. And the output of the facial expression recognition in the form of music that will automatically run based on the expression of the user, so the music will change to follow the user's facial expression changes.