Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
PDF (Bahasa Indonesia)

How to Cite

Firliana, R., wulaningrum, R.-, & Sasongko, W.-. (2015). Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia. Nusantara of Engineering, 2(1). Retrieved from https://ojs.unpkediri.ac.id/index.php/noe/article/view/114

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.

PDF (Bahasa Indonesia)

Penulis yang menerbitkan jurnal ini menyetujui persyaratan berikut:
1. Hak cipta pada artikel apa pun dipegang oleh penulis.
2. Penulis memberikan jurnal, hak publikasi pertama dengan karya yang secara simultan dilisensikan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam jurnal ini.
3. Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (mis., Mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas karya awalnya publikasi dalam jurnal ini.
4. Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (mis., Dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.
5. Artikel dan semua materi yang diterbitkan terkait didistribusikan di bawah Lisensi Internasional Creative Commons Attribution-ShareAlike 4.0