Analisis Metode Pengenalan Wajah Two Dimensial Principal Component Analysis (2DPCA) dan Kernel Fisher Discriminant Analysis Menggunakan Klasifikasi KNN (K- Nearest Neighbor)

Jurnal Teknologi dan Rekayasa Manufaktur (JTRM)

View Publication Info
 
 
Field Value
 
Title Analisis Metode Pengenalan Wajah Two Dimensial Principal Component Analysis (2DPCA) dan Kernel Fisher Discriminant Analysis Menggunakan Klasifikasi KNN (K- Nearest Neighbor)
Analisis Metode Pengenalan Wajah Two Dimensial Principal Component Analysis (2DPCA) dan Kernel Fisher Discriminant Analysis Menggunakan Klasifikasi KNN (K- Nearest Neighbor)
 
Creator Harits Martawireja, Abdur Rohman
Purnama, Hilman Mujahid
Rahmawati, Atika Nur
 
Subject Pengenalan Wajah
KNN
2DPCA
Kernel
Akurasi
Pengenalan Wajah
KNN
2DPCA
Kernel
Akurasi
 
Description many applications apply it, both in the commercial and law enforcement fields. Face recognition is a system that used to identify based on the facial characteristic of a biometric-based person which has high accuracy. Face Recognition can be used in security system. Many methods are used in face recognition for security system, but in this paper will discuss only about 2 methods, there are Two Dimensial Principal Component Analysis and Kernel Fisher’s Discriminant Analysis and each methods use K-Nearest Neighbor for the class classification. For the testing system, both of them use the cross validation testing method. From the previous research, the face recognition accuracy with 5-folds cross validation of Two Dimensial Principal Component Analysis method is 88,73%, while the accuracy with 2-folds cross validation of it is 89,25%. And the average of Kernel Fisher Discriminant Analysis’ accuracy is about 83,10%.
Pengenalan wajah manusia (face recognition) merupakan salah satu bidang penelitian yang penting dan belakangan ini banyak aplikasi yang menerapkannya, baik di bidang komersil ataupun di bidang penegakan hukum. Pengenalan wajah merupakan sebuah sistem yang berfungsikan untuk mengidentifikasi berdasarkan ciri-ciri dari wajah seseorang berbasis biometrik yang memiliki keakuratan tinggi. Pengenalan wajah dapat diterapkan pada sistem keamanan. Banyak metode yang dapat digunakan dalam aplikasi pengenalan wajah untuk keamanan sistem, namun pada artikel ini akan membahas tentang dua metode yaitu Two Dimensial Principal Component Analysis dan Kernel Fisher Discriminant Analysis dengan metode klasifikasi menggunakan K-Nearest Neigbor. Kedua metode ini diuji menggunakan metode cross validation. Hasil dari penelitian terdahulu terbukti bahwa sistem pengenalan wajah metode Two Dimensial Principal Component Analysis dengan 5-folds cross validation menghasilkan akurasi sebesar 88,73%, sedangkan dengan 2-folds validation akurasi yang dihasilkan sebesar 89,25%. Dan pengujian metode Kernel Fisher Discriminant dengan 2-folds cross validation menghasilkan akurasi rata rata sebesar 83,10%.
 
Publisher Politeknik Manufaktur Bandung (Polman Bandung)
 
Date 2020-10-15
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/30
10.48182/jtrm.v2i2.30
 
Source Jurnal Teknologi dan Rekayasa Manufaktur ; Vol 2 No 2 (2020): Vol 2 No 2 (2020): Volume: 2 | Nomor: 2 | Oktober 2020 ; 29-38
2715-016X
2715-3908
 
Language ind
 
Relation https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/30/20
 
Rights Copyright (c) 2020 Politeknik Manufaktur Bandung
https://creativecommons.org/licenses/by-nc-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library