Pengenalan Citra Wajah Menggunakan Minimum Distance Classifier Berdasarkan Fitur Principal Component Analysis

Abstract

Penelitian ini menyajikan kombinasi unik dari teknik ekstraksi fitur dan metode pengenalan yang bekerja baik pada lebih dari satu dataset wajah standar. Fokus utama dalam penelitian ini adalah bagaimana mendapatkan fitur dari setiap citra wajah untuk membedakan wajah satu sama lain dengan menerapkan metode Principal Component Analysis (PCA) sebagai ekstraksi ciri, dan Minimum Distance Classifier sebagai algoritma pengenalan sehingga didapatkan hasil pengenalan yang akurat. Untuk mencapai tujuan tersebut, perlu dilakukan studi kepustakaan untuk memahami konsep dan landasan teori  agar dapat memperkuat asumsi metode Principal Component Analysis dan Minimum Distance Classifier. Hasil pengenalan dengan menggunakan data uji dari ORL database mendapatkan keakuratan sebesar 97%, sedangkan hasil pengenalan menggunakan data uji dari YALE database mendapatkan keakuratan sebesar 94,6%. Sehingga dapat disimpulkan bahwa penggabungan metode PCA dan Minimum Distance Classifier dapat memberikan solusi yang cepat dan sederhana dengan meningkatkan atau tanpa mengurangi akurasi standar.