PENGEMBANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)

Abstract

Penelitian mengenai pengenalan wajah hingga saat ini masih menjadi topik menarik untuk diteliti. Hal ini dibukikan dengan banyaknya publikasi ilmiah mengenai pengenalan wajah. Pada dasarnya sistem pengenalan wajah terdiri dari dua proses besar yaitu proses pendaftaran wajah dan proses pengenalan wajah. Pada proses pengenalan wajah dibagi menjadi empat tahapan utama, yaitu tahapan pembacaan citra wajah, pengolahan awal citra, ekstraksi fitur dan pengenalan wajah. Pada penelitian ini dilakukan pengembangan sistem pengenalan wajah mengunakan metode Generalized Learning Vector Quantization (GLVQ). Sedangkan proses ekstraksi cirinya menggunakan metode Principal Componenet analysis (PCA). Tujuan dari proses ekstraksi ciri adalah untuk mendapatkan fitur penting dari sebuah objek wajah. Hasil dari ekstraksi fitur akan mempengaruhi proses pengenalan. Semakin baik ciri yang dihasilkan maka semakin baik tingkat akurasi pengenalan yang diperoleh. Berdasarkan hasil pengujian, pengenalan wajah menggunakan metode PCA dan GLVQ dengan menggunakan database ORL yang terdiri dari 40 subjek dengan tiap subjeknya masing-masing terdiri dari 10 citra wajah mencapai tingkat akurasi terbaik dari 3 skenario pengujian adalah pada skenario ketiga, yaitu sebanyak 280 citra wajah sebagai data latih dan 120 citra wajah sebagai data uji dengan hasil akurasi adalah 97.5%.