<![CDATA[Wajah adalah bagian tubuh manusia yang berfungsi sebagai pusat ekspresi, pengenalan dan juga komunikasi. Penciptaan teknik yang berguna untuk mengidentifikasi dan menganalisis ekspresi wajah sangat penting untuk penelitian ini. Support Vector Machine (SVM) merupakan teknik pembelajaran mesin yang digunakan untuk pengenalan pola klasifikasi ekspresi wajah Manusia. Support Vector Machine (SVM) adalah metode klasifikasi yang menggunakan konsep mencari hyperplane yang optimal dalam suatu ruang feature untuk memisahkan beberapa kelas. Dari keempat klasifikasi tersebut ternyata presentasi accuracy, precision dan recall tidak berbeda jauh untuk mendeteksi ekspresi wajah dari tiap kelas tersebut dengan menggunakan metode SVM. Berdasarkan uji ekstraksi hasil rata-rata accuracy tertinggi yaitu jenis ekspresi marah dengan accuracy paling tinggi. Tingkat rata-rata tertinggi accuracy yang kedua yaitu ekspresi senang. tingkat rata-rata tertinggi accuracy ketiga yaitu ekspresi netral, lalu tingkat rata-rata tertinggi accuracy keempat yaitu ekspresi senyum dan tingkat rata-rata terendah accuracy yaitu ekspresi sedih. The face is a part of the human body that functions as a center of expression, recognition and communication. The creation of useful techniques for identifying and analyzing facial expressions was crucial for this study. Support Vector Machine (SVM) is a machine learning technique used for pattern recognition classification of Human facial expressions. Support Vector Machine (SVM) is a classification method that uses the concept of finding the optimal hyperplane in a feature space to separate classes. From the four classifications, it turns out that the presentation of accuracy, precision and recall is not much different to detect facial expressions from each class using the SVM method. Based on the extraction test, the highest average accuracy result is the type of angry expression with the highest accuracy. The second highest average level of accuracy is the expression of pleasure. The third highest average level of accuracy is neutral expression, then the fourth highest average level of accuracy is smile expression and the lowest average level of accuracy is sad expression.]]>
