PERBANDINGAN KINERJA METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN NEURAL NETWORK (NN) PADA PENGENALAN WAJAH

Khoirul Anam, Anang Aris Widodo, Sultoni

Abstract


Deteksi wajah adalah salah satu langkah preprocessing yang palingpenting pada sistem pengenalan wajah yang digunakan dalam identifikasi biometrik.Biometrik adalah kemampuan verifikasi dan identifikasi berdasarkan karakteristik fisik dan perilaku manusia.Sedangkan sistem pengenalan wajah adalahcontoh biometrik didasarkan pada karakteristik fisik yang dapat membantu sistem komputeruntuk memiliki kemampuan mirip dengan manusia.
Pada penelitian ini perbandingan kinerja metode PCA dan NN pada pengenalan wajah, algoritma yang digunakan dalam metode PCA adalah algoritma eigenfaces sedangkan algoritma yang digunakan dalam metode NN adalah algoritma backpropagation. Dengan perbandingan akurasi dan waktu pada kedua metode tersebut menunjukkan rata-rata 23.753% untuk akurasi dan 35.363 detik untuk waktu.

Kata Kunci - Deteksi Wajah, Biometrik, Pengenalan Wajah, Principal Component Analysis, Neural Network.

Full Text:

PDF (Indonesian)

References


Ahmad, U. (2005). Pengolahan Citra Digital & Teknik Pemrogramannya. Yogyakarta: Graha Ilmu.

Anil K. Jain, A. R. (2004). An Introduction to Biometric Recognition. IEEE Transactions on Circuits and Systems for Video Technology, 14, 4-20.

Fauset, L. (1994). Fundamental of Neural Networks (Architectures, Algorithms, and Application). New Jersey: Prentice-Hall.

Goering, R. (2004, October 4). Matlab edges closer to electronic design automation world. EE Times .

Gonzalez, R. C. (2002). Digital Image Processing. Prentice Hall, Internasional Edtion Second Edition.

Hjelmas, E. L. (2001). Face Detection: A Survey. Computer Vision and Image Understanding, 83, 236-274.

Moghaddam, B. (n.d.). Face Recognition. Retrieved from http://www-white.media.mit.edu/vismod/demos/facerec/index.html

Osuna, E. F. (1997). Training Support Vector Machines: An Application to Face Detection. Proc. IEEE Conf. Computer Vision and Pattern Recognition .

Pärt-Enander, E. d. (1999). The Matlab 5 Handbook. Addison-Wesley. Proakis, J. d. (1996). Digital Signal Processing: Principles, Algorithms and Applications. Macmillan.

Rowley, H. B. (1998). Neural Network-Based Face Detection. IEEE Trans. Pattern Analysis and Machine Intelligence, 20 (1).

Sung, K. (1996). Learning and Example Selection for Object and Pattern Detection. Massachusetts Institute of Technology AI Lab.

Sung, K. P. (1994). Example-Based Learning for View-Based Human Face Detection. Massachusetts Institute of Technology AI Lab.

Turk, M. a. (1991). Face Recognition Using Eigenface. Proc. IEEE Conf. of Computer Vision and Pattern Recognition, 13, 586-591.

Yang, M. K. (2002). Detecting Faces in Images: A Survey. IEEE Trans. Pattern Analysis and Machine Intelligence, 24 (1).




DOI: http://dx.doi.org/10.37438/jimp.v1i3.40

____________________________________________________________
JIMP (Jurnal Informatika Merdeka Pasuruan)
ISSN 2502-5716(Print) | 2503-1945 (Online)
Published by Fakultas Teknologi Informasi Universitas Merdeka Pasuruan 
Managed by Program Studi Informatika, Universitas Universitas Merdeka Pasuruan
Address Jl. Ir. Juanda no.68 Pasuruan
Website http://ejurnal.unmerpas.ac.id/index.php/informatika
email jimp.unmerpasuruan@gmail.com

 

JIMP is supervised by Relawan Jurnal Indonesia and PKP|Index.