IMPLEMENTASI EKSTRASI FITUR DAN K-NEAREST NEIGHTBOR UNTUK IDENTIFIKASI WAJAH PERSONAL

Danar Putra Pamungkas, Ahmad Bagus Setiawan

Sari


Wajah atau muka adalah bagian depan kepala pada manusia meliputi wilayah dari dahi hingga dagu, termasuk rambut, dahi, alis, mata, hidung, pipi, mulut, bibir, gigi, kulit, dan dagu. Sebuah sistem biometrika berdasarkan wajah diharapkan dapat menutup kelemahan sistem presensi konvensional yang berdasarkan tanda tangan. Beberapa kelemahan sistem tersebut antara lain, adanya celah kecurangan dalam proses tanda tangan dan waktu perekapan yang cukup lama. Penulis menggunakan metode ektraksi fitur Eigenface PCA sedangkan untuk klasifikasi menggunakan K-Nearest Neighbor. Akurasi pengenalan wajah dengan menggunakan metode ektrasi fitur eigenface dan K-NN mencapai 80%. Nilai rata-rata FAR terendah adalah 20% sedangkan FRR 15%. Semakin banyak data latih yang digunakan akurasinya semakin tinggi. Akurasi optimal didapat pada kondisi jarak 50 cm dengan cahaya terang.

Kata Kunci


wajah, ekstrasi, fitur, K-NN

Teks Lengkap:

PDF

Referensi


Digital Berbasis Flash pada Perangkat Mobile. Pontianak: Universitas Tanjungpura.

Ahmad, U. 2009. 10 langkah membuat program pengolahan citra menggunakan visual C#. Yogyakarta: Graha Ilmu.

Efendy, Bobby. 2009. Autentifikasi Telapak Tangan pada Citra Digital Menggunakan Metode Support Vector Machine (SVM). Madura: Skripsi Universitas Trunojoyo

Fatta, H. A. 2009. Rekayasa Sistem Pengenalan Wajah. Yogyakarta: ANDI.

Fitriyah, N., dkk. 2015. Analisis dan Simulasi Sistem Pengenalan Wajah dengan Metode Fisherface Berbasis Outdoorvideo. Seminar Nasional Universitas PGRI Yogyakarta. 432-438.

Fuad, N. 2017. Pemanfaatan K-Nearest Neighbor Pada Klasifikasi Image Berdasarkan Pola Fitur dan Tekstur. JUOTICLA, Vol. 2, No. 1.

Kurniawati A. T. dan A. R. Dwi Rama. 2015. Aplikasi Pengenalan Wajah Menggunakan Metode Eigenface dengan Bahasa Pemrograman Java. Seminar Nasional Sains dan Teknologi Terapan III. 315-326.

Pamungkas, D.P., Fajar, R.H. 2017. Implementasi Metode PCA dan Citu Block Distance Untuk Presensi Mahasiswa Berbasis Wajah. Malang: LPPM STIKI Malang

Pratiwi, D. E. dan Agus Harjoko. 2013. Implementasi Pengenalan Wajah Menggunakan PCA (Principal Component Analysis). IJEIS. 3. 175-181.

Putra, Darma, 2009. Sistem Biometrika Konsep Dasar, Teknik Analisis Citra, dan Tahapan membangun Aplikasi Sistem Biometrika. Yogyakarta: ANDI.

Putra, R. S. 2013. Perancangan Aplikasi Absensi dengan Deteksi Wajah Menggunakan Metode Eigenface. Pelita Informatika Budi Darma. 4. 130-137.

Salamun. 2016. Rancang Bangun Sistem Pengenalan Wajah Dengan Metode Principal Component Analysis. Jurnal Teknologi dan Sistem Informasi UNIVRAB VOL. 1 No. 2, Juli 2016, 1.

Sinwar, D., Kaushik, R. 2014. Study of Eucliean And Manhattan Distance matrics using Simple K-Means Clustering. International Journal For Research in Applied Science And Engineering Technology (IJRASET). Vol. 2, No. 5.

Wang, M. Y., Hideaki. T. 2017. Individual Recognition and the Face Inversion Effect in Medaka Fish (Oryzias Latipes). eLife Research Article. (https://search.proquest.com/444260dd-05ba-4edf-a5b7-abcbd0129fd2, diakses 8 Juni 2018).

Wulanningrum, R. 2018. Penggunaan Algoritma K-Nearest Neighbor untuk Identifikasi Citra Kamboja. Generation Journal, Vol. 2, No.2. 2008. Kamus Besar Bahasa Indonesia Edisi Keempat. Jakarta: Gramedia Pustaka Utama




DOI: https://doi.org/10.30736/jti.v3i2.233