ABSTRAKSI: Face recognition merupakan salah satu teknik biometrik yang sering digunakan karena tingkat akurasinya yang tinggi. Metode ini sering digunakan sebagai sistem keamanan pada suatu instansi. Akan tetapi pada situasi seperti kehidupan sehari-hari, penerapan face recognition dengan citra wajah tampak depan sulit dilakukan karena masalah privasi. Karena itu untuk tetap menjaga privasi dapat dilakukan pengambilan citra wajah dari samping untuk membatasi citra wajah yang dapat terlihat. Pada tugas akhir ini dirancang sebuah sistem yang mampu mengenali wajah dari samping.
Sistem ini menggunakan metode Local Binary Pattern (LBP) untuk mendapatkan ciri dari setiap wajah. Dengan menggunakan LBP akan didapatkan sebuah nilai dari setiap pixel dengan cara membandingkan nilai pixel tersebut dengan nilai pixel tetangga-tetangganya. Kemudian nilai baru yang didapatkan dari setiap pixel itu akan dijadikan sebuah histogram yang akan dijadikan ciri dari suatu wajah. Untuk proses klasifikasi digunakan metode regresi logistik. Alasan penggunaan metode ini adalah implementasinya yang cukup sederhana dan performansinya yang baik.
Pada penelitian ini didapat akurasi sebesar 95% menggunakan jenis LBP biasa dengan P=8 dan R=19 dan waktu komputasi rata-rata sistem 0,1 detik. Akurasi terbesar sistem setelah diberi noise Gaussian, noise salt & pepper, dan noise poisson secara berturut-turut adalah 27%, 56%, dan 79%. Sedangkan akurasi tertinggi sistem untuk mengenali citra wajah yang blur adalah 95%.Kata Kunci : Kata kunci : side-view face recognition, LBP, regresi logistikABSTRACT: Face recognition is one of the most used biometric method because of its high accuracy. This method often used for security system of some organization. But in everyday life, the frontal face recognition system is hard to implement because of privacy. Because of that, for privacy reason we propose a side view face recognition system to limit part of the face which can be seen. In this final project we implemented a system which can recognize side view face.
This system uses Local Binary Pattern (LBP) method to obtain features from each faces. By using LBP some values from each pixels will be obtained by comparing the pixel with its neighbors. Then from those values will be created a histogram which will be made a feature from a face. For the classification system logistic regression is used. The reason is because of the ease of implementation and good performance from the method.
From this research we obtained the highest accuracy of 95% using normal LBP with P=8 and R=19 and the average computation system is 0.1 seconds. The system’s accuracy after given Gaussian noise, salt & pepper, and passion are respectively 27%, 56%, and 79%. And the highest accuracy to recognize blurred images is 95%.Keyword: Keywords : side-view face recognition, LBP, logistic regression