ABSTRAKSI: Pengenalan wajah merupakan beberapa topik yang diminati untuk melakukan penelitian, hal ini disebabkan kemampuan komputer tidak sama dengan kemampuan manusia untuk dapat mengenali setiap wajah yang telah dikenal bertahun-tahun maupun sekilas, oleh karena itu diperlukan tahap pembelajaran untuk melatih sehingga pada akhirnya sistem dapat mengenali citra wajah yang diuji. Pada pengenalan wajah terdapat dua tahapan yaitu deteksi wajah dan klasifikasi wajah. Sebelum masuk ke tahap klasifikasi, wajah yang telah terdeteksi akan diolah melalui proses ekstraksi ciri.
Tugas akhir ini melakukan proses ekstraksi ciri dengan metode Eigenface yang terdapat pada perhitungan matematis Principal Component Analysis (PCA). Prinsipnya adalah bagaimana mengekstrak suatu citra wajah menjadi kumpulan vektor ciri yang akan menjadi masukan pada proses klasifikasi. Klasifikasi yang dilakukan menggunakan metode Support Vector Machine (SVM), dimana prinsipnya adalah memisahkan kumpulan ciri yang telah dipetakan ke dalam ruang berdimensi tinggi, untuk selanjutnya diklasifikasikan berdasarkan kelas-kelas wajah.
Pengujian dilakukan terhadap citra wajah uji hasil akuisisi webcam sebanyak 100 citra dengan kriteria pengujian pada penentuan pengambilan ciri Eigenface, penentuan nilai parameter C pada SVM, serta pengaruh penggunaan image enhancement terhadap akurasi pengenalan yang dihasilkan. Dari hasil pengujian, didapatkan hasil terbaik dengan akurasi tertinggi yaitu 95%.Kata Kunci : Pengenalan Wajah, Akuisisi Webcam, Eigenface, Support Vector Machine, One-Against-All, Principal Component AnalysisABSTRACT: Face recognition is a topic of interest to conduct research, this is due to the ability of a computer is not the same as the human ability to be able to recognize every face that has been known for many years and at first glance, therefore, necessary to train the learning phase so that eventually the system can recognize the image faces tested. In face recognition, there are two stages of face detection and face classification. Before entering the classification stage, the face that has been detected will be processed via the process of feature extraction.
In this final project, feature extraction process using Eigenface methods contained in the mathematical calculation of Principal Component Analysis (PCA). The principle is how to extract a face image into a collection of feature vector which will be input in the process of classification. Classification is done using the method of Support Vector Machine (SVM), where the principle is to separate a collection of feature that have been mapped into high dimensional space, to further classified based on face classes.
Tests conducted on the test face image acquisition results as much as 50 webcam images with the testing criteria in determining the characteristics making Eigenface, determining the value of the parameter C in SVM, and the influence of the use of image enhancement of the resulting recognition accuracy. From the test results, obtained the best results with highest that is 95%.Keyword: Face Recognition, Acquisition Webcam, Eigenface, Support Vector Machine, One-Against-All, Principal Component Analysis