Pengenalan Wajah Menggunakan Two DimensionalLinear DiscriminantAnalysis Berbasis Optimasi Feature Fusion Strategy
Abstrak: Era teknologi dewasa
ini, penelitian mengenai citra biometric bukanlah hal yang awam dilakukan.
Salah satu citra biometrik yang sering diteliti adalah face recognition
(pengenalan wajah). Permasalahan pada pengenalan wajah manusia adalah adanya
keanekaragaman fitur atau bentuk antara satu wajah dengan wajah lainnya. Oleh
karena itu, perlu adanya ekstraksi fitur dan klasifikasi wajah menggunakan
metode tertentu sehingga klasifikasi tersebut dapat dikenali dengan benar.Pada
penelitian ini diusulkan metode ekstraksi fitur yang dapat mengatasi
permasalahan non-linear data secara automatic yang terdapat pada citra wajah yang
dinamakan dengan Two Dimensional Linear Discriminant Analysis based on FeatureFusion
Strategy (TDLDA-FFS). Tidak berhenti pada ekstraksi fitur, diusulkan juga
metode klasifikasi wajah yang dapat mengatasi permasalahan adaptive matrix yang
bertujuan untuk mempelajari kepentingan bobot pada masing – masing input dengan
metode Generalized Relevanced Learning Vector Quantization (GRLVQ).Penelitian
ini mengintegrasikan metode TDLDA-FFS dan GRLVQ untuk pengenalan wajah. Dengan
kombinasi kedua metode tersebutterbukti dapat memberikan hasil yang optimal
dengan tingkat akurasi pengenalan yang berkisar diantara 77,78 % sampai dengan
82,22% dengan uji coba menggunakan basis data citra wajah dari Institut Bisnis
dan Informatika Stikom Surabaya. Sedangkan ujicobamenggunakan basis data yang
berasal dari YaleB Database mencapai tingkat akurasi yangberkisar antara 88.89%
sampai dengan 94.44%.
Kata kunci: Non-linier data,
adaptive matrix, TDLDA, FFS, GRLVQ
Penulis: Sahmanbanta
Sinulingga, Chastine Fatichah, Anny Yuniarti
Kode Jurnal: jptinformatikadd160250
