Pengenalan Wajah Dengan Menggunakan Metode Kernel Eigenface/KPCA dan Support Vector Machine (SVM)
| Main Author: | IGedeAdiSuryaAtmajaya |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152592/1/051100398.pdf http://repository.ub.ac.id/152592/ |
Daftar Isi:
- Pada era sebelum tahun 1990-an permasalahan machine learning dan pattern recognition kurang menjadi perhatian karena masalah resource dalam komputasi algoritma yang besar dan kompleks. Dengan berkembangnya teknologi komputasi yang sangat pesat telah membuat semakin berkembangnya algoritma yang dapat digunakan untuk menyelesaikan permasalahan machine learning dan pattern recognition. Permasalahan pattern recognition yang cukup trend adalah masalah pengenalan objek, khususnya pada pengenalan wajah manusia. Pengenalan wajah ini mengadopsi kemampuan manusia dalam membedakan wajah seseorang dengan orang lain. Penelitian akan memperlihatkan sebuah sistem pengenalan wajah dengan kernel eigenface/ KPCA (Kernel Principal Component Analysis) dan SVM (Support Vector Machine). Pengenalan wajah ini merupakan salah satu pengenalan biometrik fisik yang menggunakan bentuk fisik wajah manusia yang diwakili oleh gambar 2D. Metode KPCA digunakan untuk mengekstraksi sejumlah fitur penting dari sebuah gambar 2D yang dapat digunakan untuk pengenalan. SVM merupakan salah satu metode pengklasifikasian yang cukup handal untuk digunakan dalam pengenalan wajah. Inti pemrosesan SVM berada pada pembentukan OSH (Optimum Separating Hyperplane) yang mengklasifikasikan kelas biner. Pada permasalahan multiclass digunakan salah satu mekanisme penggabungan klasifikasi biner yaitu one against one. Hasil yang didapatkan berdasarkan penelitian ini adalah tingkat akurasi yang cukup tinggi, yaitu sekitar 91,5 %. Dengan tingkat akurasi ini, maka metode KPCA dan SVM ini cukup handal untuk diimplementasikan pada sistem identifikasi yang menggunakan pengenalan wajah.