Pengenalan Ekspresi Wajah Menggunakan Jaringan Syaraf Tiruan Kohonen Self Organizing Map (K-SOM)

Pada kehidupan sehari-hari, khususnya dalam komunikasi interpersonal wajah sering digunakan untuk berekspresi. Melalui ekspresi wajah, maka dapat dipahami emosi yang sedang bergejolak pada diri tersebut. Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajah memungkinkan untuk mengenali emosi seseorang. Beberapa ekspresi wajah yang dikelompokkan adalah ekspresi netral, gembira, terkejut, mata mengedip, mengantuk dan sedih. Walaupun bentuk atau tampilan ekspresi tersebut berbeda-beda antara setiap individu, manusia tetap dapat mengenalinya. Pada penelitian ini telah dibuat suatu sistem yang dapat digunakan untuk mengenali citra ekspresi wajah manusia dengan menggunakan Jaringan Syaraf Tiruan Kohonen SOM sistem tersebut menggunakan metode PCA untuk ekstraksi fitur. Hasil ekstraksi fitur dengan PCA merupakan inisialisasi untuk proses klustering pada jaringan Kohonen SOM. Jaringan Kohonen SOM dipakai untuk membagi pola masukan kedalam beberapa kelompok (cluster). Kohonen SOM dapat mengelompokkan berdasarkan vektor-vektor dari citra ekspresi wajah, hasil keluaran jaringan Kohonen SOM adalah kelompok yang paling dekat atau mirip dengan masukan yang diberikan. Untuk pengenalan ekspresi wajah dilakukan dengan berbagai ukuran citra masukan dan jumlah data penelitian yang bervariasi. tingkat akurasi yang tinggi 89.58% didapat pada ukuran citra 110x90, pada kasus III dengan jumlah data pengujian 30 citra ekspresi wajah. ======================================================================================================== In everyday life, especially in interpersonal communication, often used facial expression. Through facial expressions, it can be understood the emotions that are volatile at the self. The use of biometric technology system with a characteristic facial expression makes it possible to recognize a person's mood or emotion. Some facial expressions are grouped them is a normal expression, happy, surprised, wink, sleepy and sad. Although the shape or appearance of such expressions vary between each individual , man is able to recognize it . In this study is to create a system that can be used to recognize human facial expressions image by using Neural Network Kohonen Self Organizing Maps (K-SOM) and the method of PCA for feature extraction. Reduction results with PCA is an initialization for the clustering process on the network (K-SOM). network (K-SOM) is used to divide the input pattern into groups, the image of facial expressions for grouping or clustering with methods of Artificial Neural Networks Kohonen Self Organizing Maps (K-SOM). Kohonen Self Organizing Maps (K-SOM) can group based vectors of the image of facial expressions, the network output is the group closest/similar to a given input. For facial expression recognition is done by a variety of input image size and the amount of research data varies. high degree of accuracy obtained 89.58% in the size of 110x90 image, in case III with the amount testing data 30 images of facial expressions