Pengenalan Wajah Berbasis Perhitungan Jarak Fitur LBP Menggunakan Euclidean, Manhattan, Chi Square Distance
Abstract
Setiap individu memiliki ciri-ciri khusus yang dapat dibedakan antara individu satu dan lainnya, salah satu ciri yang dapat diamati secara langsung adalah ciri pada wajah individu tersebut. Hal itu membuat wajah dapat dijadikan sebagai kunci pada sistem berbasis biometrika yaitu pengenalan wajah. Untuk melakukan pengenalan wajah diperlukan data-data khusus yang terdapat pada citra wajah yang dapat diambil menggunakan proses ekstraksi fitur. Local Binary Patterns (LBP) merupakan deskriptor ciri yang baik untuk citra wajah sehingga dapat diterapkan dalam proses ekstraksi fitur. Nilai-nilai hasil ekstraksi fitur oleh LBP kemudian dapat dijadikan indikator dalam pengenalan wajah, yaitu dengan cara menghitung jarak nilai-nilai tersebut dengan menggunakan algoritma perhitungan jarak fitur. Penelitian ini membandingkan akurasi dan kecepatan tiga algoritma perhitungan jarak fitur yaitu euclidean, manhattan, dan chi square, yang diterapkan pada sistem pengujian dengan variasi data 50 citra uji dan 50 citra latih, 100 citra latih, 200 citra latih, dan 300 citra latih. Hasil akurasi terbaik didapatkan oleh manhattan distance yang mencapai 84% pada 300 citra latih, sedangkan pengenalan wajah dengan durasi tercepat adalah euclidean distance dengan rata-rata durasi 2,25 detik dari keempat kondisi data citra latih.Kata kunci—Pengenalan wajah, Euclidean, Manhattan, Chi square distanceDownloads
Published
2019-11-21
Issue
Section
Articles
License
Penulis yang mempublikasikan artikelnya dalam publikasi ini setuju dengan ketentuan berikut :
- Hak cipta tetap pada penulis dan memberikan hak kepada SEMNASTIK 2019 sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan SEMNASTIK 2019 sebagai tempat publikasinya.
- Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di SEMNASTIK 2019.
- Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).