Classification of Facial Expression Using Principal Component Analysis (PCA) Method and Support Vector Machine (SVM)

Abstract

Classification is a process to assert an object into one of defined categories. This study examines the classification of recognition of student’s facial expression during digital learning –indifferent and serious expression. The dataset used was from a vocational school -SMK Muhammadiyah 2 Bantul. This study used the combination of algorithm: Principal Component Analysis (PCA) and Support Vector Machine (SVM) to increase the accuracy. This study aims at comparing the performance of combination of two algorithm: (PCA to SVM) and (PCA to k-NN). The result states that the combination of PCA-SVM algorithm is higher than the combination of PCA-k-NN algorithm with the average accuracy of 96% and 89%.

Implementasi Face Recognition Untuk Sistem Presensi Universitas Menggunakan Convolutional Neural Network

“…Kemudian dataset dipisahkan menjadi dua bagian, yaitu 70% digunakan untuk data training dan 30% digunakan untuk data testing. Data training digunakan dalam proses pelatihan model, sementara data testing digunakan dalam pengujian model untuk mengetahui keakuratan model yang dibuat [17]. Training dilakukan dengan 10 epoch dengan learning rate default dan menggunakan optimizer Adam, hasil dari training yang telah dilakukan diperoleh nilai accuracy sebesar 99,85% dan nilai loss sebesar 0.0168.…”

Implementasi Convolutional Neural Network Untuk Klasifikasi Jenis Beras Berdasarkan Citra Digital

“…6, Ed. 2023 | page 4179 merujuk pada sejauh mana informasi yang diinginkan oleh pengguna sesuai dengan respons yang diberikan oleh sistem [12]. Beberapa matriks evaluasi digunakan untuk mengukur kinerja sistem, termasuk nilai precision, akurasi, recall, dan nilai f1-score.…”