<![CDATA[Dalam satu dekade terakhir, sistem pengenalan ekspresi wajah telah menjadi topik menarik dalam dunia penelitian. Semakin terjangkaunya harga teknologi yang mendukung penelitian tersebut, membuat sistem pengenalan wajah dapat diterapkan dalam kehidupan sehari-hari, salah satunya dalam dunia pendidikan. Tujuan dari penelitian ini adalah mengenali ekspresi wajah menggunakan wavelet Gabor dan Backpropagation, untuk membantu konselor dalam melakukan konseling kepada mahasiswa, khususnya dalam permasalahan non akademik, serta menguji tingkat akurasi jaringan backpropagation dalam melakukan klasifikasi ekspresi wajah seseorang. Vektor masukan bagi jaringan diperoleh melalui transformasi wavelet Gabor, dan inisialisasi bobot menggunakan metode Nguyen Widrow. Beberapa fungsi yang digunakan seperti sigmoid biner untuk aktivasi bobot, fungsi gradient descent untuk pelatihan jaringan, dan fungsi learngd untuk perubahan bobot dengan laju pembelajaran sebesar 0,05. Arsitektur jaringan menggunakan dua lapisan tersembunyi serta tiga node untuk lapisan output. Nilai Mean Square Error (MSE) sebesar 0,001. Jaringan dilatih menggunakan 70 data yang terdiri dari 10 orang dan setiap orang mempunyai tujuh ekspresi. Pengujian dilakukan menggunakan data lain yang terdiri dari lima orang. Ukuran citra untuk pelatihan dan pengujian mempunyai ukuran 16x16 piksel. Berdasarkan hasil pengujian, sistem memberikan unjuk kerja sebesar sebesar 85,71% dalam pengklasifikasian ekspresi wajah. Untuk pengembangan lebih lanjut, sistem dapat diintegrasikan dengan media perekam, sehingga ekspresi wajah dapat langsung dikenali melalui capture video. ]]>
Copyrights © 2015
