Berbagai metode telah dikembangkan untuk mencapai tingkat akurasi yang tinggi dan untuk menciptakan sistem pengenalan wajah yang handal. Diantaranya yang paling terkenal adalah Principle Component Analysis (PCA). Walaupun proyeksi PCA cukup optimal untuk reduksi dimensi namun ternyata PCA kurang optimal dalam pemisahan kelas. Maka dari itu, PCA bisa dikombinasikan dengan metode lain yang lebih baik dalam pemisahan kelas. Salah satu contohnya adalah metode Jaringan Syaraf Tiruan (JST).
Pada tugas akhir ini, membangun sebuah sistem pengenalan wajah dengan menggunakan metode Principal Component Analysis (PCA) untuk ekstraksi dan memanfaatkan metode Jaringan Syaraf Tiruan (JST) sebagai klasifikasi. Sistem yang dibangun akan mampu mengenali identitas dari wajah masukan berdasar database yang telah disimpan sebelumnya. Output dari sistem ini berupa aplikasi berbasis android.
Dari hasil penelitian, didapatkan kesimpulan bahwa parameter yang paling ideal untuk penelitian ini menggunakan nilai threshold 0,3, jumlah hidden layer 5, dan metode fungsi pelatihan traincgp dengan menghasilkan tingkat akurasi dan waktu komputasi yang paling baik. Berdasarkan parameter-parameter tersebut didapatkan tingkat akurasi terbesar adalah 94% dengan waktu komputasi yang dibutuhkan adalah 0, 47292 detik.
Kata Kunci : Pengenalan wajah, PCA, JST, Android
Various methods have been developed to achieve a high level of accuracy and to create a reliable face recognition system. Among the most famous are the Principle Component Analysis (PCA). Although PCA projections are optimal for dimensional reduction, PCA is less optimal in class separation. Therefore, PCA can be combined with other methods that are better in class separation. One example is the method of Artificial Neural Networks (ANN).
In this final project, build a face recognition system using the Principal Component Analysis (PCA) method for extraction and utilize the method of Artificial Neural Networks (ANN) as a classification. The system built will be able to recognize the identity of the input face based on the previously stored database. The output of this system is an Android-based application..
From the results of the study, it was concluded that the most ideal parameters for this study used a threshold value of 0.3, the number of layer 5 hidden, and the traincgp training function method by producing the best level of accuracy and computation time. Based on these parameters the greatest accuracy is obtained 94% with the computation time needed is 0, 47292 seconds.
Keywords : Face recognition, PCA, Neural Network, Android