<![CDATA[Principal Component Analysis (PCA) adalah metode yang sangat populer untuk pengenalan wajah. PCA merupakan salah satu analisis peubah ganda yang bertujuan untuk mereduksi dimensi citra tanpa harus kehilangan informasi yang berarti. Prinsip dasar dari reduksi dimensi ruang eigen adalah mentransformasikan titik-titik pada ruang asal ke ruang baru yang dibentuk oleh sumbu-sumbu vektor eigen. PCA1D maupun PCA2D menggunakan vektor eigen (ciri) dari matriks koragam sumbu-sumbu pembangkit ruang asal. PCA2D merupakan metode varian dari PCA. PCA1D berbasis ruang vektor sedangkan PCA2D berbasis matriks. Penelitian ini akan memperbandingkan kedua metode tersebut dan menganalisa tingkat keberhasilan dan faktor-faktor penyebabnya.]]>
Copyrights © 2012
