Please take a moment to complete this survey below
Library's collection Library's IT development CancelSeiring dengan perkembangan jaman, metode pengenalan wajah
merupakan metode yang cukup berkembang belakangan ini. Beberapa metode
dari pengenalan wajah yang sudah banyak dipelajari diantaranya Principal
Component Analysis (PCA) dan Hidden Markov Model (HMM). Komputer yang
dihubungkan dengan WebCam atau CCTV dapat dipergunakan untuk
menjalankan metode-metode di atas. Namun pada kenyataanya sering terjadi
kesalahan dalam pendeteksian. Cara terbaik untuk meminimalkan kesalahan yang
terjadi adalah dengan memanipulasi parameter dari masing-masing metode
sehingga mencapai struktur yang ideal.
Tujuan tugas akhir ini adalah mengoptimalkan penggunaan metode
pengenalan wajah khususnya PCA dan HMM. Untuk itu dilakukan pengujian
terhadap masing-masing metode. Pengujian PCA dilakukan dengan mengganti
parameter Eigen feature dan jumlah image training per individu. Sedangkan
untuk HMM dilakukan pengujian variasi struktur Hidden Markov, Number of
Mixture, Sampling window, DCT Coefficient, dan Sampling step. Dalam
penelitian ini, kita membuat program yang berfungsi hanya untuk menguji
parameter metode PCA, karena program pengujian parameter metode HMM telah
dibuat oleh Arie Margono. PCA dibuat dengan program Microsoft Visual
C++.NET sedangkan HMM dengan versi sebelumnya, dan keduanya dibantu
dengan library dari Intel Image Processing dan Intel Open Source Computer
Vision.
Hasil pengujian sistem metode PCA menunjukkan bahwa, dengan
memanipulasi parameter Eigen feature menjadi 40 atau 60 dan memperbanyak
jumlah image training per individu menjadi 7 atau 10 image, persen kebenaran
maksimal yang diperoleh adalah 94,6%. Sedangkan untuk hasil metode HMM,
ditemukan susunan struktur yang ideal 3-6-6-3 atau 3-6-6-6-3, Number of Mixture
3, Sampling window 12 x 12, DCT Coefficient 3 x 3, Sampling step 4 x 4 atau 8 x
8. Dengan menggunakan struktur parameter di atas, persen kebenaran maksimal
yang diperoleh adalah 97%.