PENGENALAN WAJAH MENGGUNAKAN KERNEL PRINCIPAL COMPONENT ANALYSIS (KPCA)

Permasalahan machine learning dan pattern recognition bukanlah hal yang baru. Hal ini dapat dilihat dari aplikasi yang digunakan masyarakat sekarang ini. Seiring dengan perkembangan teknologi komunikasi, semakin berkembang pula teknik dan algoritma yang digunakan untuk menyelesaikan permasalahan machine learning dan pattern recognition. Permasalahan yang paling
umum adalah pengenalan obyek. Dalam hal ini adalah wajah.
Pengenalan wajah ini di adopsi dari kemampuan manusia membedakan wajah antar satu orang dengan yang lain.
Pada penelitian ini akan dibuat sistem pengenalan wajah. Pada proses awal akan dilakukan ekstraksi fitur menggunakan Kernel Principal Component Analysis (KPCA) untuk menentukan karakteristik dari wajah.
Hasil yang dicapai pada penelitian ini sesuai uji coba yang telah dilakukan pada basis data ORL adalah : 96,23%, pada basis data YALE adalah: 95,46%, dan pada basis data BERN adalah: 95,15% masing-masing kombinasi 5 pose. Sehingga dapat disimpulkan bahwa metode ekstraksi fitur KPCA yang dikombinasikan dengan metode klasifikasi Mahalanobis Distance cukup baik digunakan sebagai pengenalan wajah.