Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
| Main Authors: | Firliana, Rina, wulaningrum, Resty -, Sasongko, Wisnu - |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Universitas Nusantara PGRI Kediri
, 2015
|
| Online Access: |
http://ojs.unpkediri.ac.id/index.php/ti/article/view/114 http://ojs.unpkediri.ac.id/index.php/ti/article/view/114/70 |
Daftar Isi:
- 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.