Gender Recognition menggunakan metode Principal Component Analysis dikombinasikan dengan Local Binary Pattern

Gender Recognition merupakan pengenalan jenis kelamin berdasarkan citra
wajah. Hal ini penting dikaji karena dalam citra wajah terdapat fitur karakteristik yang berisi
identitas seseorang. Gender Recognition dapat digunakan dalam banyak hal, seperti interaksi
manusia dan komputer, sistem kamera, dan sistem temu kembali citra. Pengklasifikasian
jenis kelamin pada sistem Gender Recognition diperoleh dari tiga tahap diantaranya
preprocessing, ekstraksi fitur, dan pengklasifikasian citra. Preprocessing yang dimaksud
bertujuan untuk menghilangkan variasi pencahayaan pada citra menggunakan metode Local
Binary Pattern (LBP). Tahap selanjutnya ekstraksi fitur menggunakan metode Principal
Component Analysis (PCA) sehingga menghasilkan susunan matrik bobot. Tahap terakhir
pengklasifikasian citra menggunakan Euclidean Distance dan Manhattan Distance. Dari
hasil uji coba sistem, Euclidean Distance lebih cocok digunakan pada sistem ini, dimana
akurasi rata-ratanya mencapai 80% apabila menggunakan PCA dikombinasikan dengan LBP,
sedangkan PCA saja rata-rata akurasinya mencapai 85%. Hasilnya berbeda ketika
menggunakan Manhattan Distance, dimana akurasi rata-ratanya mencapai 50% apabila
menggunakan PCA dikombinasikan dengan LBP, sedangkan PCA saja rata-rata akurasinya
mencapai 80%. Hal tersebut menunjukkan bahwa LBP kurang efektif pada sistem ini, dimana
kondisi datanya terdapat variasi pencahayaan kurang mencolok. Sedangkan Manhattan
Distance tidak cocok digunakan pada LBP, hal ini dikarenakan semua citra testing rata-rata
hanya 50% saja yang dikenali.