ABSTRAKSI: Pengenalan ekspresi wajah manusia secara otomatis merupakan salah satu bidang penelitian dalam computer vision yang memegang peranan yang cukup penting. Salah satunya dalam dunia robotika yang melibatkan interaksi antara manusia dengan robot secara langsung.
Untuk itu dalam Tugas Akhir ini dikembangkan aplikasi yang dapat mengenali ekspresi wajah manusia secara otomatis dan mengklasifikasikannya ke dalam enam emosi dasar, yaitu senang, sedih, takut, jijik, terkejut dan marah, seperti yang telah dikemukakan oleh P. Ekman seorang psikolog Amerika pada tahun 1971. Penelitian mengenai pengenalan ekspresi wajah ini menggabungkan teknologi informasi dan bidang ilmu psikologi.
Aplikasi pengenalan ekspresi wajah ini menggabungkan teknik ekstraksi fitur Gabor Wavelet dan Jaringan Saraf Tiruan (JST) metode Backpropagation yang digunakan untuk mengenali ekspresi wajah. Citra masukan yang menjadi inputan bagi sistem ini adalah citra wajah grayscale dengan berbagai ekspresi wajah dalam format .TIFF. Citra wajah ini kemudian diekstraksi dengan teknik ekstraksi fitur Gabor Wavelet pada 22 fiducial point, untuk mengambil ciri yang penting dalam pengenalan ekspresi wajah. Hasil ekstraksi fitur ini menghasilkan vektor fitur yang selanjutnya digunakan sebagai inputan untuk JST.
Hasil penelitian menunjukkan bahwa penggabungan teknik ekstraksi fitur Gabor Wavelet dan Jaringan Saraf Tiruan metode Backpropagation menghasilkan aplikasi pengenalan ekspresi wajah yang memiliki akurasi pengenalan terbaik sebesar 77.13 %.Kata Kunci : ekstraksi fitur, backpropagation, fiducial point, gabor waveletABSTRACT: Human facial expression recognition automatically is one of computer vision research that so important. For instance, in which human and robot interact directly.
Therefore, this final assignment will develop the application that can recognize human facial expression automatically dan classify into six basic emotion such as happy, sad, fear, disgust, surprise and angry, that was described by P. Ekman, an American psychologist on 1971. This research is combining information technology and psychology knowledge.
This human facial expression application combine Gabor Wavelet as feature extraction technique and Backpropagation Neural Network to recognize human facial expression. Image that be inserted for this system are grayscale face image in .TIFF format. This image then extracting by Gabor Wavelet on 22 fiducial point, in order to take the important feature for recognizing human facial expression.
This research perform that combining of extraction feature technique Gabor Wavelet and Backpropagation Neural Network to result in application of human facial expression recognition with the best in accuration rate of 77.13 %.Keyword: feature extraction, backpropagation, fiducial point, gabor wavelet ii