Electronic Resource
FACE RECOGNITION MAHASISWA UNIVERSITAS NURUL JADID DENGAN METODE EIGENFACE
Sistem pengenalan wajah manusia (face recognition) yaitu proses identifikasi wajah dengan membandingkan gambar wajah masukan dengan database wajah dan menemukan database wajah yang paling cocok. Saat ini, face recognition bisa diaplikasikan ke dalam berbagai bidang, misalnya aplikasi sistem keamanan, mesin absensi, dan pelayanan akademik. Seperti halnya peguruan tinggi swasta yang terletak di desa Karanganyar, kecamatan Paiton, kabupaten Probolinggo yaitu Universitas Nurul Jadid (UNUJA) memiliki 3 fakultas dengan 3600 mahasiswa dan 141 dosen. Sayangnya, dengan banyaknya mahasiswa dan dosen yang dimiliki, UNUJA belum menerapkan face recognition yang dapat memberikan manfaat untuk pelayanan akademik. Oleh karena itu, dibutuhkan suatu sistem yang dapat mengenali wajah mahasiswa UNUJA secara otomatis dan efektif.
Pada penelitian ini menggunakan metode eigenface didasarkan pada metode principal component analysis (PCA). Metode eigenface berfungsi untuk menghitung eigenvalue dan eigenvector yang akan digunakan sebagai fitur dalam melakukan pengenalan. Euclidean distance digunakan untuk mencari jarak dengan data fitur yang telah didapat, dan jarak terkecil adalah hasilnya. Tahapan yang dilakukan pada penelitian ini terdiri dari proses pre-processing pada gambar menggunakan FastStone Image Viewer terhadap 120 gambar wajah dengan data training sebanyak 75 gambar dan 45 gambar data testing. Hasil pengujian yang dilakukan terhadap 3 jenis data uji dengan akurasi 100% untuk data uji wajah menghadap ke depan, akurai 73% untuk data uji wajah miring, dan 66% untuk data uji wajah menghadap samping.
Algoritma eigenface dapat mengidentifikasi wajah secara efektif jika posisi, arah, dan rotasi gambar sama dengan gambar pada data pelatihan (training). Jika tidak sesuai dengan data pelatihan (training) maka hasil identifikasi kurang efektif.
14013410 | 14 IKA f 410 | Perpustakaan Universitas Nurul Jadid | Tersedia namun tidak untuk dipinjamkan - Koleksi Digital |
Tidak tersedia versi lain