Ekspresi merupakan bentuk komunikasi dengan cara berinteraksi atau ketika sedang berdialog. Mengenal ekspresi untuk saat ini banyak menggunakan berbagai macam metode seperti menunjukan ekspresi didepan kamera, atau komputer. Namun untuk melakukan analisa terhadap ekspresi membutuhkan banyak data dan bervariasi selain itu posisi wajah dapat mempengaruhi kecepatan memprediksi yang bersifat realtime. Dalam hal tersebut dilakukan metode facial landmark sebagai deteksi area komponen wajah seperti alis, mata, dan mulut untuk diekstraksi agar menghasilkan nilai ciri tanpa harus memproses keseluruhan wajah. Ekstraksi yang dibutuhkan dalam mengelola citra yaitu ekstraksi ciri tekstur yang menggunakan metode Local Binary Pattern Histogram. Metode ini merupakan bentuk interpretasi dari citra tekstur, selanjutnya nilai ciri dari pemrosesan tersebut akan diklasifikasi menggunakan K-Nearest Neighbor dengan penerapan jarak antara data uji dan data latih dengan formula Euclidean Distance. Hasil menunjukan dalam mengambil citra wajah secara ideal yaitu 25-75 cm, menangkap citra dengan kondisi terang dengan intensitas cahaya diatas 150 - 2530 lux dapat mengklasifikasikan ekspresi secara realtime dan menghasilkan akurasi sebesar 92.50%.
CITATION STYLE
Nur Cahyo, D., Zulfia Zahro’, H., & Vendyansyah, N. (2023). PENGENALAN EKSPRESI MIKRO WAJAH DENGAN EKSTRAKSI FITUR PADA KOMPONEN WAJAH MENGGUNAKAN METODE LOCAL BINARY PATTERN HISTOGRAM. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 822–829. https://doi.org/10.36040/jati.v7i1.6167
Mendeley helps you to discover research relevant for your work.