<![CDATA[Wajah merupakan bagian dari sistem biometric dimana wajah manusia memiliki bentuk dan karakteristik yang berbeda antara satu dengan lainnya sehingga wajah dapat dijadikan sebagai alternatif pengamanan suatu sistem. Proses pengenalan wajah didasarkan pada proses pencocokan dan perbandingan citra yang dimasukan dengan citra yang telah tersimpan di database. Akan tetapi pengenalan wajah menjadi permasalahan yang cukup menantang dikarenakan illuminasi, pose dan ekspresi wajah serta kualitas citra. Oleh sebab itu pada penelitian ini bertujuan untuk melakukan pengenalan wajah dengan menggunakan metode machine learning seperti Logistic Regression (LR), Linear Discriminant Analysis (LDA), Decision Tree Classifier, Random Forest Classifier (RF), Gaussian NB, K Neighbors Classifier (KNN) dan Support Vector Machine (SVM) dan beberapa metode ekstraksi fitur Hu-Moment, HOG dan Haralick pada dataset Yale Face. Berdasarkan pengujian yang dilakukan metode ekstraksi fitur gabungan Hu-Moment, HOG dan Haralick dengan algoritma Linear Discriminant Analysis (LDA) menghasilkan nilai akurasi tertinggi sebesar 79,71% dibandingkan dengan metode ekstraksi fitur dan algoritma klasifikasi lainnya.]]>
Copyrights © 2021
