ABSTRAK Nama : Nunik Pratiwi Program Studi : Ilmu Komputer Judul : Nonlinear Fuzzy Principal Component Analysis pada Pemodelan Bentuk Active Appearance Model (AAM) untuk Pengenalan Ekspresi Wajah. Pengenalan ekspresi wajah secara otomatis merupakan salah satu area penelitian yang potensial dibidang computer vision. Hal ini bertujuan untuk meningkatkan kemampuan mesin dalam menangkap sinyal sosial pada manusia. Pengenalan ekspresi wajah masih menjadi tantangan hingga saat ini, perbedaan budaya dan wilayah menjadi salah satu faktor yang mempengaruhi perbedaan dalam menyampaikan ekspresi wajah. Penelitian ini mengusulkan penggunaan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) pada tahap pra- proses kemudian dilakukan ekstraksi fitur menggunakan Active Appearance Models (AAM) yang dikombinasikan dengan Nonlinear Fuzzy Principal Component Analysis (NFPCA). Hasil ekstraksi fitur kemudian diklasifikasikan dengan Support Vector Machine (SVM). Penelitian ini menghasilkan nilai akurasi yang baik sebesar 96,87% untuk data CK+ dan 97,05% untuk data MUG. Kata Kunci: Ekspresi wajah, Active Appearance Models, Nonlinear Fuzzy Principal Component Analysis, Support Vector Machine.

ABSTRACT Name : Nunik Pratiwi Study Program : Ilmu Komputer Title : Nonlinear Fuzzy Principal Component Analysis on Shape Modelling of Active Appearance Model for Facial Expression Recognition Automatic facial expression recognition is one of the potential research area in the field of computer vison. It aims to improve the ability of machine to capture social signals in human. Automatic facial expression recognition is still a challenge. We proposed method using contrast limited adaptive histogram equalization (CLAHE) for pre-processing stage then performed feature extraction using active appearance model (AAM) based on nonlinear fuzzy robust principal component analysis (NFRPCA). The feature extraction results will be classified with support vector machine (SVM). This research has the average accuracy rate reached 96,87% for CK+ dataset and 97,05 for MUG dataset. Key words: Facial Expression, Active Appearance Model, Nonlinear Fuzzy Principal Component Analysis, Support Vector Machine.