Perbandingan Metode Principal Component Analysis (PCA) Dengan Metode Hidden Markov Model (HMM) Dalam Pengenalan Identitas Seseorang Melalui Wajah

Abstrak

Pengenalan identitas seseorang melalui wajah merupakan bidang yang masih terus diteliti dan dikembangkan untuk berbagai keperluan seperti pendataan penduduk, absensi, sistem keamanan dan lain-lain. Metode Principal Component Analysis (PCA) dan Metode Hidden Markov Model (HMM) adalah dua metode yang sering digunakan untuk aplikasi pengenalan wajah. Penelitian ini bertujuan untuk untuk mengetahui perbedaan, kekurangan, kelebihan, dan perbandingan dari metode PCA dan metode HMM sebagai pengenalan identitas melalui wajah. Citra yang digunakan dalam penelitian ini adalah citra dari yale face database (http://vision.ucsd.edu/content/yale-face-database) dengan empat sampel yaitu citra asli, citra wajah utuh, citra fokus pada alis-mata-hidung-mulut dan citra fokus pada alis-mata hidung. Metode pembuatan aplikasi ini dibuat secara terstruktur dengan analisis system menggunakan Data Flow Diagram (DFD) dan menggunakan bahasa pemprograman MATLAB. Berdasarkan penelitian ini secara umum metode PCA lebih akurat dalam pengenalan wajah dari pada metode HMM. Dengan sampel citra terbaik yaitu citra wajah utuh dengan hasil akurasi 86,6% dengan metode PCA sedangkan metode HMM 77,7% dengan maksimal iterasi 2000 dan toleransi 0,1.


Kata Kunci : Pengenalan identitas, Principal Component Analysis, Hidden Markov Model, Wajah.