<![CDATA[Penelitian ini bertujuan untuk mengidentifikasi ekspresi wajah manusia dalam tiga kategori utama: marah, sedih, dan senyum, dengan menggunakan metode Eigenface dan Fisherface. Ekspresi wajah merupakan bentuk komunikasi nonverbal yang penting dalam berbagai bidang, termasuk keamanan dan interaksi manusia-komputer. Proses penelitian dimulai dengan akuisisi dataset citra wajah yang terdiri dari 7.500 gambar, diikuti dengan preprocessing citra, ekstraksi fitur menggunakan Principal Component Analysis (PCA) untuk Eigenface dan Linear Discriminant Analysis (LDA) untuk Fisherface, serta klasifikasi menggunakan algoritma k-Nearest Neighbor (k-NN). Hasil pengujian menunjukkan bahwa metode Eigenface memiliki akurasi yang lebih tinggi dibandingkan Fisherface, terutama dalam mengenali ekspresi senyum. Meskipun Fisherface menunjukkan stabilitas yang lebih baik dalam klasifikasi, performanya cenderung menurun saat jumlah data meningkat. Kesimpulan dari penelitian ini menegaskan bahwa kombinasi teknik ekstraksi fitur dan metode klasifikasi yang tepat sangat berpengaruh terhadap akurasi pengenalan ekspresi wajah. Penggunaan metode Eigenface direkomendasikan untuk aplikasi yang memerlukan akurasi tinggi dalam menghadapi variasi pencahayaan dan ekspresi wajah.]]>
Copyrights © 2026
