IMPLEMENTASI METODE TWO DIMENSIONAL PRINCIPAL COMPONENT ANALYSIS (2DPCA) DAN METODE SELF ORGANIZING MAPS (SOM) PADA KLASIFIKASI TINGKAT SENYUMANIMPLEMENTASI METODE TWO DIMENSIONAL PRINCIPAL COMPONENT ANALYSIS (2DPCA) DAN METODE SELF ORGANIZING MAPS (SOM) PADA KLASIFIKASI TINGKAT SENYUMAN

Pengenalan pola senyum merupakan bagian dari pattern recognition dan
telah banyak dikembangkan. Penelitian ini bertujuan melakukan klasifikasi
tingkat senyuman menjadi empat tingkatan yaitu: tingkat satu, tingkat dua,
tingkat tiga, tingkat empat. Dua hal yang menjadi masalah utama pada
identifikasi tingkat senyum adalah proses ekstraksi fitur dari sampel pola
senyum yang ada dan juga teknik klasifikasi yang digunakan untuk
mengklasifikasikan tingkat senyum yang ingin dikenali berdasarkan fitur-fitur
yang telah dipilih. Pada penelitian ini dilakukan proses ekstraksi fitur
menggunakan algoritma Two-Dimensional Principal Component Analysis
(2DPCA), sedangkan untuk proses klasifikasi menggunakan algoritma Self
Organizing Maps (SOM) dan untuk penghitungan jarak terdekat menggunakan
Euclidean Distance . Berdasarkan hasil ujicoba menggunakan 30 data wajah
tersenyum, rata-rata akurasi pengenalan pola senyum tertinggi diperoleh saat
ujicoba menggunakan parameter som map 10 dan maksimum iterasi 500 yaitu
sebesar 73,34 %
Kata Kunci : Klasifikasi senyuman, Dimensional Principal Component Analysis
(2DPCA), Self Organizing Maps (SOM), Euclidean Distanc