Wajah manusia memiliki kemiripan satu sama lain sehingga akan sulit untuk dideteksi. Pada penelitian ini bertujuan untuk memudahkan mendeteksi wajah dari hasil gambar kamera webcam yang resolusinya masih rendah. Untuk mengatasi masalah pada penelitian ini menggunakan metode Learning Vector Quantization untuk pengklasifikasian citra wajah. Pada penelitian ini pertama kali yang dilakukan akuisisi citra pada kamera webcam kemudian citra tersebut diambil nilai RGB dan dikonversikan kedalam bentuk greyscale lalu dikonversikan kedalam binner dengan cara deteksi tepi canny, hasil binner tersebut digunakan sebagai nilai inputan dalam tahapan perhitungan nilai Learning Vector Quantization. Dengan metode ini lebih tepat digunakan langsung dalam kasus deteksi wajah karena metode ini terfokus pada pengklasifikasian ctra dan hasil akurasi yang didapat adalah 88% dengan perbandingan data latih dan data uji.

Human faces have similarities with each other so that it will be difficult to detect. In this study, the aim of this research is to make it easier to detect faces from the results of the webcam camera images whose resolution is still low. To solve the problem in this study, using the Learning Vector Quantization method for classifying facial images. In this study, the first time an image acquisition was carried out on a webcam camera, then the RGB value was taken and converted into greyscale form and then converted into binner by way of canny edge detection, the binary results were used as the input value in the calculation stage of the Learning Vector Quantization value. With this method, it is more appropriate to use it directly in the case of face detection because this method focuses on the citra classification and the accuracy results obtained are 88% with a comparison of training data and test data.