Pengaruh Segmentasi Menggunakan Viola And Jones Terhadap Fitur Markov Stationary Feature - Vector Quantization Pada Kasus Pengenalan Ekspresi Wajah

Ekspresi wajah berperan penting dalam berkomunikasi dengan orang lain sebagai ungkapan perasaan atau emosi. Pada pendeteksian ekspresi wajah dapat dilakukan proses segmentasi yang bertujuan untuk memisahkan objek yang terdapat pada citra wajah diantaranya: kedua mata, hidung dan mulut. Salah satu metode segmentasi yang dapat digunakan adalah Viola and Jones. Pada kasus pengenalan ekspresi wajah tanpa segmentasi menggunakan metode Markov Stationary Feature – Vector Quantization (MSF-VQ) dan menggunakan metode pengujian Confusion Matrix mendapatkan akurasi 97.01%. Pada penelitian ini data yang digunakan terdiri dari Data Latih dan Data Uji, total data sebanyak 2205 data dari 42 orang, diantaranya: 21 orang berekspresi bahagia, sedih, terkejut, takut, marah, muak dan 21 orang lainnya berekspresi netral. Data diambil sebanyak 15 citra per orang. Penelitian ini yang berjudul “pengaruh segmentasi Viola and Jones terhadap fitur MSF-VQ pada kasus pengenalan ekspresi wajah” dibantu dengan mesin pembelajaran Multiclass Support Vector Machine dengan kernel linear berpengaruh pada kecepatan dalam pelatihan dan pengujian data menjadi lebih cepat dan menghasilkan akurasi yang lebih baik dalam proses pengenalan ekspresi wajah mendapatkan akurasi sebesar sebesar 100% pada pengenalan ekspresi wajah dan adanya peningkatan sebesar 2.99%