Perbandingan PCA (Principal Component Analysis) dan Kernel PCA dalam Pengenalan Wajah Akibat Variasi Pose
Daftar Isi:
- Tugas Akhir ini membandingkan metode PCA (Princpial Component Analysis) dan kernel PCA untuk pengenalan wajah akibat variasi pose. Sistem yang dibuat dalam Tugas Akhir ini dibagi menjadi beberapa tahap yaitu mulai dari preproccessing lalu ke tahap feature extraction dan masuk ke dalam tahap classification. Tahap yang menjadi modul utama yaitu feature extraction dimana terjadi konstruksi PCA dan konstruksi KPCA, sementara proses klasifikasi menggunakan nearest neighbor. Pada laporan Tugas Akhir ini dapat dibuktikan bahwa metode KPCA lebih baik dari PCA dalam pengenalan wajah akibat variasi pose, dengan akurasi pengenalan rata-rata 63,75% dan 53,05%, masing-masing berturut-turut untuk kernel PCA dan PCA pada database AT&T, Weizmann, dan gabungan kedua database. Persen perbaikan akurasi pengenalan wajah rata-rata ketika menerapkan metoda kernel PCA dibandingkan PCA jika dipengaruhi oleh faktor pose untuk dua citra latih adalah 3,44%.