Studi Komparasi Ekstraksi Fitur pada Pengenalan Wajah Menggunakan Principal Component Analysis (PCA) dan Wavelet Daubechies
Abstrak: Paper ini membahas
perbandingan ekstraksi fitur untuk pengenalan wajah menggunakan metode Principal
Component Analysis (PCA) dan Wavelet Daubechies untuk pengenalan wajah . Basis waveletdaubechiesyang
digunakan adalah wavelet db2, db4, dan db8. Setiap dekomposisi dilakukan hingga
level ke-3 yang kemudian diambil fitur aproksimasiwavelet dan fitur statistik
wavelet. Variasi nilai komponen utama dimulai dari nilai komponen ke-1 hingga
nilai komponen ke-100 dari 4096 nilai eigen. Nilai komponen ke-1 memiliki
presentasesebesar 62% sedangkan nilai komponen ke-100 memiliki presentase
sebesar 99%dari total nilai eigen,. Pengujian sistem menggunakan 216 citra
wajah yang diambil dari dataset The Japanese Female Facial Expression (JAFFE)
yang terdiri dari 10 individu dengan masing-masing sekitar 20 wajah per-
individu. Pemilihan data train dan data tes menggunakan cross validation dengan
rata-rata akurasi 94.42%. Dari hasil percobaan menggunakan Random Forest
Classifier diperoleh tingkat pengenalan tertinggi untuk ekstraksi menggunakan
PCA sebesar 100% pada variasi data 95% ,sedangkan tingkat pengenalan tertinggi
untuk ekstraksi menggunakan Wavelet Daubechies sebesar 98.611% pada wavelet db2
menggunakan fitur aproksimasi wavelet.
Penulis: Riskyana Dewi Intan
P, Elly Matul Imah
Kode Jurnal: jptinformatikadd150249
