Analisis Dan Simulasi Sistem Pengenalan Wajah Dengan Metode Fisherface Berbasis Outdoorvideo

Saat ini sudah banyak penelitian untuk mencari metode yang baik pada system pengenalan wajah. Berbagai metode telah banyak diteliliti untuk sistem ini. Metode yang umum digunakan adalah PCA (Principal Component Analysis). Walaupun PCA merupakan teknik yang terkenal dalam pengenalan citra, ternyata PCA menghadapi permasalahan dalam menghadapi database yang sangat besar, dimana waktu proses dari pengenalan menjadi lama dan akurasinya menjadi menurun dengan cepat apabila jumlah data semakin bertambah banyak (Li, S.Z.,Hou, X.W., Zhang, H.J., Cheng, Q.S. 2001). Untuk mengatasi kelemahan metode PCAtersebut, maka pada tahun 1977, Peter N,Belhumeur, Joao P. Hespanha dan David J.Kriegmen telah mengembangkan suatu metodebaru yang dinamakan metode Fisherface. Metode ini merupakan gabungan dari metodePCA dengan Fisher’s Linear Discriminant(FLD) yang merupakan pengembangan darimetode LDA (Linear Discriminant Analysis).

Penelitian pengenalan wajah di ruang terbuka berbasis video pernah dilakukan memiliki tingkat akurasi 40% dengan menggunakan metode ICA (Independent Component Analyis). Pada penelitian tersebut dijeaskan bahwa ICA adalah sebuah teknik pemprosesan sinyal untuk menemukan faktor faktor atau komponen tersembunyi yang membentuk sekumpulan variabel random (hasil dari pengukuran sinyal atau secara umum data). Penelitian[4] tentang pengenalan wajah pada citra dengan menggunakan metode PCA yang digunakan untuk mereduksi dimensi untuk mengahasilkan vector basis orthogonal yang disebut eigenface dan Aplikasi Jaringan Syaraf Tiruan merupakan sebuah penelitian yang memerlukan banyak training data dan memiliki akurasi 60%. Penelitian serupa [5] dengan input berupa citra memiliki akurasi yang cukup tinggi yaitu 83% menunjukkan bahwa performansi metode Fisherface cukup baik untuk diimplementasikan pada sistem pengenalan wajah.

Dalam penelitian ini metode Fisherface sangat efektif untuk system pengenalan wajah dikarenakan dia merupakan gabungan 2 metode yaitu metode PCA dan FLD. Metode ini akan memperbesar rasio

jarak antar kelas terhadap jarak intra kelas dari vektor cirri mereduksi dimensi. Dengan kata lain Fisherface memperkecil jarak dalam kelas yang sama namun akan memperbesar jarak antar kelas yang berbeda. Akurasi dalam penelitian ini lebih baik dibanding penelitian sebelumnya menggunakan metode ICA ataupun PCA.  Disamping metode yang digunakan, klasifikasi juga merupakan hal penting yang

harus diperhatikan. Pada penelitian ini dapat disimpulkan bahwa klasifikasi Jaringan Syaraf Tiruan yang memiliki tingkat akurasi 87% lebih baik dibandingkan menggunakan klasifikasi Euclidean Distance yang memiliki akurasi 68.45%.  Sistem pengenalan wajah ini akan memiliki tingkat akurasi yang lebih baik lagi dengan melalui tahap preprocessing yang lebih baik lagi .

Kata kunci : Fisherface, Eigenface, Fisher Linear Discriminant, Principal Component Analysis, Artificial Neural Network

Jurnal asli dapat dilihat dan diunduh disini