JURNAL NASIONAL TEKNIK ELEKTRO
Vol 8, No 2: July 2019

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

Bahri, Syamsul (Universitas Syiah Kuala)
Saddami, Khairun (Universitas Syiah Kuala)
Arnia, Fitri (Universitas Syiah Kuala)
Muchtar, Kahlil (Universitas Syiah Kuala)



Article Info

Publish Date
26 Jun 2019

Abstract

Face recognition is one part of the biometrics research. Face recognition is widely used in identification and recognition process. Speed-up Robust Feature (SURF) is one of feature extraction method used in face recognition system. This research aims to compare face recognition performance between SURF and Gray Level Co-occurence Matrix (GLCM) methods for perspective rotation. In this study, the image features were extracted using SURF and GLCM. Each feature was used on classification stage using Support Vector Machine (SVM). The dataset was obtained from National Cheng Kung University (NCKU). The NCKU dataset has more variation of rotation angle. The dataset used in this study consists of 10 classes that showed 10 of the subject. The results show that SURF method obtained 85% of accuracy and GLCM method reached 50% of accuracy. Therefore, we concluded that SURF method has better performance on implementing on face recognition system.Keywords : SURF, GLCM, Face Recognition, SVM Abstrak 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.Kata Kunci : SURF, GLCM, pengenalan wajah, SVM

Copyrights © 2019






Journal Info

Abbrev

JNTE

Publisher

Subject

Electrical & Electronics Engineering

Description

Jurnal Nasional Teknik Elektro (JNTE) adalah jurnal ilmiah peer-reviewed yang diterbitkan oleh Jurusan Teknik Elektro Universitas Andalas dengan versi cetak (p-ISSN:2302-2949) dan versi elektronik (e-ISSN:2407-7267). JNTE terbit dua kali dalam setahun untuk naskah hasil/bagian penelitian yang ...