<![CDATA[Pengenalan wajah sangat dibutuhkan dalam sistem keamanan rumah karena dapat membantu mengetahui siapa saja yang sudah memasuki area rumah. Salah satu metode yang dapat digunakan dalam pengenalan wajah adalah metode Principle Component Analysis (PCA). Akan tetapi, metode PCA kurang optimal dalam melakukan pemisahan antar kelas. Oleh karena itu pada penelitian ini digunakan metode lain yang dapat melakukan pemisahan antar kelas secara optimal seperti metode Linear Discriminant Analysis (LDA). Data yang digunakan sebanyak 400 data citra wajah dengan komposisi 40 orang dengan tiap orang memiliki 10 citra wajah dengan berbagai ekspresi. Pada penelitian ini diusulkan untuk memperhatikan banyaknya data latih yang digunakan. Banyaknya citra wajah tiap orang yang digunakan untuk data latih adalah 5, 6, 7, 8 dan 9 citra wajah per orang. Selanjutnya dilakukan ekstraksi fitur dengan menggunakan metode LDA. Selanjutnya dilakukan klasifikasi terhadap fitur-fitur yang telah diperoleh dengan menggunakan metode K Nearest Neighbor (KNN). Berdasarkan hasil penelitian diperoleh bahwa tingkat akurasi terbesar yaitu sebesar 97,5% yang terjadi saat banyaknya citra data latih tiap orang adalah 9 dan banyaknya tetangga (K) adalah 1.]]>
Copyrights © 2021
