PERBANDINGAN AKURASI PENGENALAN WAJAH MENGGUNAKAN METODE LBPH DAN EIGENFACE DALAM MENGENALI TIGA WAJAH SEKALIGUS SECARA REAL-TIME
DOI:
https://doi.org/10.24014/sitekin.v14i1.2703Keywords:
Eigenface, Local Binary Pattern Histogram, Pengenalan Wajah, Tiga Wajah.Abstract
Saat ini sistem pengenalan wajah sudah banyak dikembangkan, tetapi belum diketahui akurasi dari metode local binary pattern histogram (LBPH) dan eigenface untuk mengenali tiga wajah sekaligus secara real-time. Penelitian untuk mengenali lebih dari satu wajah ini penting dilakukan karena jika diterapkan pada kehidupan sehari-hari akan lebih efektif untuk digunakan, contohnya jika diterapkan pada sistem pencarian orangyang diharuskan untuk mengenali lebih dari satu wajah sekaligus. Penelitian ini bertujuan untuk mengetahui metode mana yang lebih baik antara metode LBPH dan metode eigenface dalam mengenali tiga wajah sekaligus secara real-time. Kemudian untuk mengetahui besarnya false acceptance rate (tingkat kesalahan dalam mengenali wajah) dan false rejection rate (tingkat kesalahan dalam menolak/tidak mengenali wajah) dari kedua metode itu. Hasil pengujian menunjukkan bahwa metode LBPH lebih baik dalam mengenali tiga wajah sekaligus secara real-time dibandingkan dengan metode eigenface karena tingkat akurasi pada metode LBPH tidak dipengaruhi oleh perbedaan pencahayaan yang didapat antara citra test dan citra input sedangkan tingkat akurasi pada metode Eigenface akan dipengaruhi oleh perbedaan pencahayaan yang didapat antara citra test dan citra input. False rejection rate dan False acceptance rate pada metode LBPH lebih rendah dibanding dengan metode eigenface, yang berarti semakin kecil False rejection rate dan False acceptance rate maka akan semakin besar tingkat akurasi pengenalan wajahnya. Rata-rata akurasi tertinggi pada metode LBPH adalah sebesar 100%, untuk metode Eigenface rata-rata akurasi tertinggi adalah sebesar 72.50%.
References
Orlando Saragih, Riko. 2007. Pengenalan Wajah Menggunakan Metode Fisherface. Jurusan Teknik Elektro, Universitas Kristen Maranatha.
Eko Wahyudi, Wirawan dan Hendra Kusuma, 2011. Perbandingan Unjuk Kerja Pengenalan Wajah Berbasis Fitur Local Binary Pattern dengan Algoritma PCA dan Chi Square. Jurusan Teknik Elekttro, ITS.
Esty Vidyaningrum dan Prihandoko. 2009. Human Face Detection by using eigenface method for various pose of human face. Fakultas Teknologi Industri, Universitas Gunadarma.
Timo Ahonen, Abdenour Hadid dan Matti Pietikainen. 2006. Face Description with Local Binary Pattern:Application to Face Recognition. IEEE Transactions On Pattern Analysis And Machine Intelligence, vol. 28 no. 12, halaman 2037-2041.
Sepritahara. 2012. Sistem Pengenalan Wajah (Face Recognition) Menggunkan Metode Hidden Markov Model (HMM). Skripsi, Program Studi Teknik Elektro, Fakultas Teknik, Universitas Indonesia.
Dian Esti Pratiwi dan Agus Harjoko. 2013. Implementasi Pengenalan Wajah Menggunakan PCA (Principal Component Analysis). Yogyakarta: Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM.
Wijaya, Septian Adi. Perbandingan Metode Pengenalan Wajah Secara Real-Time pada erangkat Bergerak Berbasis Android. Malang: Jurusan Informatika, Univesitas Brawijaya.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
Copyright Notice
An author who publishes in the SITEKIN Journal agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.