Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
Abstract
Abstrak - Pada zaman modern ini, perkembangan teknologi terutama di dunia digital, membawa perubahan cukup besar. Salah satunya sistem pencitraan digital.Sistem pencitraan digital mempunyai sifat yang efisien,lebih akurat dan sistematis. Sistem pencitraan digital berdasarkan fitur bentuk telah diakui sebagai pendekatan yang efisien.Dalam beberapa bidang ilmu, sangat dibutuhkan teknologi pencarian citra wajah secara otomatis dari berbagai macam wajah yang ada.wajah memiliki bentuk yang berbeda.Perbedaan citra dari sebuah wajah tersebut bisa digunakan sebagai pengidentifikasi untuk mengetahui wajah siapakah yang dicari tersebut.
Rumusan masalah yang diajukan adalah dimanakah letak perbedaan antara bentuk wajah satu dengan yang lainnya. Bagaimana mengimplementasikan PCA untuk proses pengolahan citra wajah. Bagaimana piranti lunak dapat mengidentifikasi citra wajah dengan metode pengenalan wajah.
Tujuan penelitian ini adalah untuk menentukan letak perbedaan antara bentuk wajah satu dengan yang lainnya. Mengimplementasikan PCA untuk proses pengolahan citra wajah. Untuk mengetahui piranti lunak dapat mengidentifikasi citra wajah dengan metode pengenalan wajah.
Pada saat data set 30 dan data testing 30, akurasi paling tinggi pada nilai thresold 10-130 dengan akurasi sebesar 100%, pada saat data set 48 dan data testing 12, akurasi paling tinggi pada nilai threshold 50-100 dengan akurasi sebesar 100%, dilihat pada saat data set 24 dan data testing 36, akurasi paling tinggi pada nilai threshold 10-100 dengan akurasi sebesar 97%, pada saat data set 30 dan data testing 30, akurasi paling tinggi pada nilai threshold 50-100 dengan akurasi sebesar 100%, pada saat data set 30 dan data testing 30, akurasi paling tinggi pada nilai threshold 0-255 dengan akurasi sebesar 100%.
Berdasarkan hasil analisis data dan pembahasan mengenai pengenalan citra wajah dengan metode PCA (Principal Component Analysis) untuk mengetahui jenis wajah maka dapat dikemukakan beberapa kesimpulan yaitu tingkat akurasi metode dipengaruhi oleh nilai threshold (nilai ambang batas keabuan).Apabila rentang nilai threshold panjang, maka tingkat akurasi tinggi.Apabila rentang nilai threshold pendek, maka tingkat akurasi metode rendah.
Kata Kunci : Wajah, Implementasi Pengenalan Citra, PCA.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment 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 acknowledgment 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
