PENGARUH EKSPRESI WAJAH TERHADAP KEBERHASILAN KLASIFIKASI GENDER BERBASIS PCA-LDA

Abstrak

Disadari atau tidak, kemampuan visual manusia (human visual system) mampu mengidentifikasikan
seseorang dengan mengenali wajah dan memutuskan gender seseorang
hanya dari data wajah. Computer Vision System memegang peranan sangat penting
dalam Human Computer Interaction Technology (HCI) yang meliputi deteksi wajah,
penjejakan wajah / badan, deteksi aksi (gesture), estimasi umur, etnik dan gender. Beberapa
penelitian telah dilakukan untuk mencari metode terbaik dengan objek data wajah
utuh dan tunggal untuk mencari metode diskriminasi yang terbaik sehingga dapat
membedakan apakah seseorang tersebut pria atau wanita.
Banyak penelitian-penelitian telah dilakukan untuk mendeteksi gender pada wajah tunggal
dengan berbagai metode, diantaranya adalah metode eigenface atau Principal Component
Analysis (PCA) dan metode Fisherface atau Linear Discriminant Analysis (LDA).
Selain itu telah banyak pula penelitian tentang pendeteksian ekspresi wajah. Eigenface
digunakan untuk mengekstraksi fitur, mereduksi dimensi, melakukan proyeksi ke dimensi
yang lebih rendah dan metode Fisherface memperjauh jarak between matrik serta memperdekat
jarak within matrik agar jarak antara kedua gender semakin jauh. Metode terakhir
adalah klasifikasi dengan metode-metode linear classifier dengan jarak ketetanggaan
terdekat, atau machine learning seperti RBF..
Penelitian ini mencoba memberikan kontribusi tentang pengaruh ekspresi wajah terhadap
keberhasilan deteksi gender yang meliputi ekspresi normal, tersenyum dan sedih.