Perbandingan Kinerja Support Vector Machine (SVM) Dalam Mengenali Wajah Menggunakan SURF DAN GLCM

Abstract

Pengenalan wajah merupakan salah satu bagian dari penelitian biometrika. Pengenalan wajah banyak digunakan dalam proses identifikasi manusia. Metode ekstraksi fitur Speed-Up Robust Feature (SURF) merupakan salah satu metode yang digunakan untuk mengenali wajah. Penelitian ini bertujuan untuk membandingkan kinerja sistem pengenalan wajah dengan menggunakan metode ekstraksi fitur SURF dan Gray Level Co-occurence Matrix (GLCM). Pada penelitian ini, data input wajah akan diekstraksi fiturnya menggunakan SURF dan GLCM. Setiap fitur digunakan pada tahapan klasifikasi menggunakan Support Vector Machine (SVM). Data yang digunakan merupakan data yang didapatkan dari National Cheng Kung University (NCKU). Data wajah NCKU mempunyai sudut rotasi yang lebih banyak. Dataset yang digunakan pada penelitian ini terdiri dari 10 kelas yang menunjukkan 10 subjek penelitian. Pengenalan wajah menggunakan metode SURF dan SVM mempunyai akurasi 85%, sedangkan menggunakan metode GLCM mempunyai akurasi 50%. Hasil menunjukkan bahwa metode SURF mempunyai kinerja yang lebih baik dari metode GLCM.