Pengenalan Wajah Manusia Menggunakan Principal Component Analysis Dan Jaringan Syaraf Tiruan Adaptive Resonance Theory Two (Art-2)

• Main Authors: Budi, Fendi Setia (Author), , Fajar Suryawan, S.T, M.Eng.Sc.,Ph.D (Author), , Aris Rakhmadi, S.T., M. Eng (Author)
• Format: Book
• Published: 2013.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Connect to this object online
• Notes: https://eprints.ums.ac.id/24208/10/publikasi_ilmiah.pdf; https://eprints.ums.ac.id/24208/1/halaman_depan.pdf; https://eprints.ums.ac.id/24208/2/BAB_I.pdf; https://eprints.ums.ac.id/24208/4/BAB_II.pdf; https://eprints.ums.ac.id/24208/5/BAB_III.pdf; https://eprints.ums.ac.id/24208/6/BAB_IV.pdf; https://eprints.ums.ac.id/24208/7/BAB_V.pdf; https://eprints.ums.ac.id/24208/8/DAFTAR_PUSTAKA.pdf; https://eprints.ums.ac.id/24208/9/LAMPIRAN_.pdf
• Keywords: QA75 Electronic computers. Computer science

Pengenalan wajah merupakan proses untuk mengenali seseorang. Perkembangan teknologi image processing sekarang ini menyediakan kemungkinan manusia untuk membuat suatu sistem yang dapat mengenali suatu citra digital. Setiap manusia memiliki ciri-ciri khusus yang membedakan antara manusia satu dan manusia yang lainya yang disebut dengan biometric. Ciri-ciri tersebut berupa DNA, sidik jari, retina, dan bentuk wajah. Pengenalan wajah dapat digunakan dalam berbagai hal, diantaranya untuk keamanan, pengenalan identitas, meningkatkan efisiensi dan efektifitas berbagai kegiatan, yaitu dengan mengurangi pemakaian kartu identitas dan kata sandi. Sistem pengenalan yang diimplementasikan ini menggunakan feature extracting dengan metode Principal Component Analysis (PCA) dan proses pengenalan menggunakan jaringan syaraf tiruan Adaptive Resonance Theory. Dengan terlebih dahulu dilakukan pendeteksian bagian wajah dan pemotongan dengan library facefind yang selanjutnya dilakukan preprocessing dan feature extracting sebelum masuk kedalam jaringan syaraf tiruan. Proses ekstraksi ciri dengan Principal Component Analysis (PCA) bertujuan untuk mendapatkan informasi ciri yang penting dari citra wajah dan nilainya diambil untuk inputan dalam pembelajaran jaringan syaraf tiruan. Citra wajah dikenali dengan cara membandingkan bobot citra latih dengan citra uji, dimana citra wajah yang dikenali akan masuk kedalam salah satu kelas yang terbentuk dalam proses pelatihan. Dari hasil pengujian diperoleh tingkat keakuratan sistem pengenalan citra wajah dengan klasifikasi terbaik adalah sekitar 90 % untuk bisa mengenali citra wajah asli.