PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
Abstract
Pengenalan wajah merupakan sistem biometrika yang banyak digunakan untuk pengenalan individu pada penggunaan mesin absensi atau akses kontrol. Hal ini karena wajah merupakan salah satu ciri biometrika yang paling umum digunakan untuk mengenali seseorang. Selain itu, pengenalan wajah tidak mengganggu kenyamanan seseorang saat pengambilan citra. Namun, ada dua hal yang menjadi masalah pengenalan wajah yaitu proses ekstraksi fitur dan teknik klasifiksi yang digunakan. Penelitian ini menggunakan linear discriminant analysis (LDA) dan k nearest neighbor untuk membangun sistem pengenalan wajah. LDA digunakan untuk membentuk satu set fisherface, di mana seluruh citra wajah direkonstruksi dari kombinasi fisherface dengan bobot yang berbeda-beda. Nilai bobot suatu citra testing akan dicocokkan dengan nilai bobot citra di database menggunakan metode klasifikasi k nearest neighbor. Sistem ini dibangun menggunakan bahasa pemograman Java. Sistem telah diuji menggunakan database sebanyak 66 citra wajah dari 22 individu. Hasil pengujian menunjukkan metode LDA dan k nearest neighbor cukup optimal untuk melakukan pengenalan wajah dengan akurasi pengenalan citra wajah normal mencapai 98.33% dan akurasi pengenalan citra wajah yang diberi noise sebesar 86,66%.References
Belhumeur, P.N., Hespanha, J. P., dan Kriegman, D.J., 1997, Eigenfaces vs. fisherfaces: Recognition using class specific linear projection. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 19(7), 711-720.
Turk, M., dan Pentland, A. 1991. Eigenfaces for recognition. Journal of cognitive neuroscience, 3(1), 71-86.
Thomas M.C and Peter E.H., 1967, Nearest neighbor pattern classification. IEEE Transactions on Information Theory, IT-13:21-27.
Sari, J. Y., 2012, Pengenalan wajah pada citra digital menggunakan algoritma Eigenface dan Euclidean distance, Skripsi, Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari.
Saragih, R. A., 2007, Pengenalan Wajah Menggunakan Metode Fisherface, Jurnal Teknik Elektro, 7(1), No.1, Maret 2007. Universitas Kristen Maranatha, Bandung.
Singh, S., et al., 2006, Nearest Neighbour Strategies for Image Understanding, www.dcs.ex.ac.uk/research/pann/pdf/pann_SS_004.pdf, Juli 2006.
Agusta, Y. 2007. “K-Means – Penerapan, Permasalahan dan Metode Terkaitâ€. http://datamining.japati.net/dataupload/hadi1187726593.pdf. Diakses pada 10 November 2015.
Downloads
Published
Issue
Section
License
Authors who publish with Jurnal Informatika (JIFO) agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
