Perbandingan Metode KDDA Menggunakan Kernel RBF, Kernel Polinomial dan Metode PCA untuk Pengenalan Wajah Akibat Variasi Pencahayaan
Daftar Isi:
- Teknologi pengenalan wajah semakin berkembang seiring dengan bertambahnya problem di dalam bidang ini. Sudah menjadi pengetahuan umum citra yang dipengaruhi oleh variasi pencahayaan, pose ataupun faktor lainnya non-linier dan kompleks. Hal ini mendorong terciptanya sebuah metode yang mampu menjawab masalah non-linieritas pada citra. Metode Linier seperti PCA (Principal Component Analysis) tidak cukup handal untuk menjawab permasalahan ini. Karena itu, dalam Tugas Akhir ini diusulkan metode KDDA (Kernel Direct Discriminant Analysis) menggunakan kernel RBF / kernel Polinomial dan diharapkan metode ini mampu menjawab permasalahan nonlinieritas. Simulasi dilakukan menggunakan database ORL dan Wiezmann. Dalam simulasi ini, juga digabungkan dua database dan ditambahkan variasi pencahayaan dengan mengurangi piksel secara seragam menjadi 60 persen dari semula. Pada simulasi menggunakan database ORL, terjadi peningkatan persentase akurasi pengenalan sebesar 62,5 persen (KDDA-RBF) dan 52,5 persen (KDDA-Polinomial). Untuk database Wiezmann, terjadi peningkatan sebesar 12,5 persen dan 40 persen.