IDENTIFIKASI WAJAH MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DENGAN PENAMBAHAN FITUR-FITUR GEOMETRIS

Abstract

Identifikasi wajah merupakan persoalan sosial yang sangat penting. Keakuratan
dalam mengidentifikasi semakin diperlukan untuk mengatasi berbagai persoalan kehidupan
bermasyarakat. Paper ini mengusulkan identifikasi wajah menggunakan Principal
Component Analysis (PCA) dengan penambahan fitur-fitur geometris untuk menambah
ketelitiannya. Prinsip PCA adalah memproyeksikan citra ke dalam ruang eigennya dengan
cara mencari eigenvector yang dimiliki setiap citra dan memproyeksikan ke dalam ruang
eigen yang didapat tersebut. Fitur-fitur geometris dihasilkan dari pengukuran jarak antar
komponen-komponen wajah. Hasil pengukuran diubah menjadi fitur perbandingan jarak
dengan membaginya dengan jumlah semua fitur. Hasil pengujian menunjukkan sistem ini
cukup baik untuk diterapkan. Dengan adanya penambahan fitur-fitur geometris, tingkat
pengenalan yang diperoleh lebih tinggi dari metode PCA tanpa fitur geometris. Tingkat
pengenalan juga menunjukkan kenaikan seiring dengan pertambahan jumlah fitur geometris
yang digunakan. Tingkat pengenalan yang diperoleh untuk 3 buah ciri PCA dan 2 buah fitur
geometris adalah 88,33%.
Kata Kunci : Principal Component Analysis, Fitur Geometris, Tingkat Pengenalan