PENGENALAN JENIS KELAMIN BERBASIS KERNEL PRINCIPAL COMPONENT ANALYSIS

Gender Recognition adalah salah satu penelitian di bidang biometrik dan computer vision yang cukup popular. Gender Recognition adalah pengembangan dari Face Recognition, Gender Recognition mengklasifikasikan citra menjadi 2 kelas yaitu perempuan dan laki-laki. Tugas Akhir ini menggunakan 400 citra, 200 citra perempuan dan 200 citra laki-laki dan memakai database citra JAVE yang telah teruji sebelumnya. Ada 2 tahapan penting dalam penelitian ini, tahap pertama ektraksi fitur menggunakan metode Kernel Principal Component Analysis. Metode kernel dapat membuat representasi data pada ruang kernel dengan menggunakan fungsi non-linear dan kernel yang digunakan adalah kernel linier. Tahap kedua adalah pengukuran jarak kemiripan citra testing terhadap citra training menggunakan metode 2D Correlation Coefficient yang bekerja dengan cara mengalikan data training dan data testing kemudian membagi dengan hasil akar kuadratnya. Metode kernel berjalan cukup baik karena memperoleh akurasi lebih tinggi dari metode dari penelitian sebelumnya yang telah digunakan. Akurasi tertinggi yang dihasilkan pada penelitian ini mencapai 92%.