Kecelakaan lalu lintas adalah suatu kejadian yang disebabkan oleh kelalaian manusia yang tidak mematuhi tata tertib yang ada di jalan raya, salah satu faktor utama yang dapat memicu terjadinya kecelakaan lalu lintas ialah penurunan kewaspadaan pada pengemudi mobil itu sendiri.
Pada tugas akhir ini dirancang suatu sistem pengenalan ekspresi wajah pengemudi menggunakan metode ekstraksi ciri Principal Component Analysis (PCA) dan klasifikasi menggunakan metode K-Nearest Neighbor (K-NN). Metode PCA sebagai ekstraksi ciri bertujuan untuk mereduksi informasi tanpa harus menghilangkan informasi penting pada citra, informasi yang direduksi dihilangkan agar kinerja sistem lebih cepat dan akurat serta metode klasifikasi K-NN memiliki memiliki kelebihan yaitu lebih mudah dipahami, dimplementasikan dan komputasi lebih efektif lebih sederhana namun pengelompokannya lebih baik dibandingkan metode yang lainnya seperti Kernel Methode dan Hidden Markov model.
Hasil dari penelitian ini adalah sistem pengenalan ekspresi wajah mampu mendeteksi ekspresi wajah dan mengklasifikasikannya kedalam dua jenis yaitu ekspresi ngantuk dan normal menggunakan data dari Yawning Detection Dataset (YawDD). Performansi yang dihasilkan dari sistem dengan tingkat akurasi sebesar 97% menggunkan metode Principal Component Analysis (PCA) dengan parameter eigenface sebagai ekstraksi fitur dan K-Nearest Neighbor (K-NN) menggunakan parameter K=1 city block distance dengan ukuran citra sebesar 256 x 256 piksel.
Kata kunci: ekspresi wajah, PCA, Eigenface, K-NN