Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR Fandiansyah Fandiansyah; Jayanti Yusmah Sari; Ika Purwanti Ningrum
Jurnal Informatika Vol 11, No 2 (2017): Juli
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1207.972 KB) | DOI: 10.26555/jifo.v11i2.a5998

Abstract

Pengenalan wajah merupakan sistem biometrika yang banyak digunakan untuk pengenalan individu pada penggunaan mesin absensi atau akses kontrol. Hal ini karena wajah merupakan salah satu ciri biometrika yang paling umum digunakan untuk mengenali seseorang. Selain itu, pengenalan wajah tidak mengganggu kenyamanan seseorang saat pengambilan citra. Namun, ada dua hal yang menjadi masalah pengenalan wajah yaitu proses ekstraksi fitur dan teknik klasifiksi yang digunakan. Penelitian ini menggunakan linear discriminant analysis (LDA) dan k nearest neighbor untuk membangun sistem pengenalan wajah. LDA digunakan untuk membentuk satu set fisherface, di mana seluruh citra wajah direkonstruksi dari kombinasi fisherface dengan bobot yang berbeda-beda. Nilai bobot suatu citra testing akan dicocokkan dengan nilai bobot citra di database menggunakan metode klasifikasi k nearest neighbor. Sistem ini dibangun menggunakan bahasa pemograman Java. Sistem telah diuji menggunakan database sebanyak 66 citra wajah dari 22 individu. Hasil pengujian menunjukkan metode LDA dan k nearest neighbor cukup optimal untuk melakukan pengenalan wajah dengan akurasi pengenalan citra wajah normal mencapai 98.33% dan akurasi pengenalan citra wajah yang diberi noise sebesar 86,66%.
Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor Fandiansyah Fandiansyah; Jayanti Yusmah Sari; Ika Putri Ningrum
Ultimatics : Jurnal Teknik Informatika Vol 9 No 1 (2017): Ultimatics: Jurnal Ilmu Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1555.238 KB) | DOI: 10.31937/ti.v9i1.557

Abstract

Face recognition is one of the biometric system that mostly used for individual recognition in the absent machine or access control. This is because the face is the most visible part of human anatomy and serves as the first distinguishing factor of a human being. Feature extraction and classification are the key to face recognition, as they are to any pattern classification task. In this paper, we describe a face recognition method based on Linear Discriminant Analysis (LDA) and k-Nearest Neighbor classifier. LDA used for feature extraction, which directly extracts the proper features from image matrices with the objective of maximizing between-class variations and minimizing within-class variations. The features of a testing image will be compared to the features of database image using K-Nearest Neighbor classifier. The experiments in this paper are performed by using using 66 face images of 22 different people. The experimental result shows that the recognition accuracy is up to 98.33%. Index Terms—face recognition, k nearest neighbor, linear discriminant analysis.