Analisis Metode Pengenalan Wajah Two Dimensial Principal Component Analysis (2DPCA) dan Kernel Fisher Discriminant Analysis Menggunakan Klasifikasi KNN (K- Nearest Neighbor)
| Main Authors: | Harits Martawireja, Abdur Rohman, Purnama, Hilman Mujahid, Rahmawati, Atika Nur |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
Politeknik Manufaktur Bandung (Polman Bandung)
, 2020
|
| Subjects: | |
| Online Access: |
https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/30 https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/30/20 |
Daftar Isi:
- many applications apply it, both in the commercial and law enforcement fields. Face recognition is a system that used to identify based on the facial characteristic of a biometric-based person which has high accuracy. Face Recognition can be used in security system. Many methods are used in face recognition for security system, but in this paper will discuss only about 2 methods, there are Two Dimensial Principal Component Analysis and Kernel Fisher’s Discriminant Analysis and each methods use K-Nearest Neighbor for the class classification. For the testing system, both of them use the cross validation testing method. From the previous research, the face recognition accuracy with 5-folds cross validation of Two Dimensial Principal Component Analysis method is 88,73%, while the accuracy with 2-folds cross validation of it is 89,25%. And the average of Kernel Fisher Discriminant Analysis’ accuracy is about 83,10%.
- Pengenalan wajah manusia (face recognition) merupakan salah satu bidang penelitian yang penting dan belakangan ini banyak aplikasi yang menerapkannya, baik di bidang komersil ataupun di bidang penegakan hukum. Pengenalan wajah merupakan sebuah sistem yang berfungsikan untuk mengidentifikasi berdasarkan ciri-ciri dari wajah seseorang berbasis biometrik yang memiliki keakuratan tinggi. Pengenalan wajah dapat diterapkan pada sistem keamanan. Banyak metode yang dapat digunakan dalam aplikasi pengenalan wajah untuk keamanan sistem, namun pada artikel ini akan membahas tentang dua metode yaitu Two Dimensial Principal Component Analysis dan Kernel Fisher Discriminant Analysis dengan metode klasifikasi menggunakan K-Nearest Neigbor. Kedua metode ini diuji menggunakan metode cross validation. Hasil dari penelitian terdahulu terbukti bahwa sistem pengenalan wajah metode Two Dimensial Principal Component Analysis dengan 5-folds cross validation menghasilkan akurasi sebesar 88,73%, sedangkan dengan 2-folds validation akurasi yang dihasilkan sebesar 89,25%. Dan pengujian metode Kernel Fisher Discriminant dengan 2-folds cross validation menghasilkan akurasi rata rata sebesar 83,10%.