Studi Komparasi Ekstraksi Fitur pada Pengenalan Wajah Menggunakan Principal Component Analysis (PCA) dan Wavelet Daubechies

Studi Komparasi Ekstraksi Fitur pada Pengenalan Wajah Menggunakan Principal Component Analysis (PCA) dan Wavelet Daubechies

Paper ini membahas perbandingan ekstraksi fitur untuk pengenalan wajah menggunakan metode Principal Component Analysis (PCA) dan Wavelet Daubechies untuk pengenalan wajah . Basis wavelet daubechies yang digunakan adalah wavelet db2, db4, dan db8. Setiap dekomposisi dilakukan hingga  level  ke-3 yang...

Full description

Saved in:
Bibliographic Details
Main Authors: Riskyana Dewi Intan P, Elly Matul Imah
Format: Article
Language:English
Published: Universitas Diponegoro 2015-10-01
Series:Jurnal Masyarakat Informatika
Subjects:
ekstraksi fitur
pca
pengenalan wajah
random forest classifier
wavelet daubechies
Online Access:https://ejournal.undip.ac.id/index.php/jmasif/article/view/9281
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Paper ini membahas perbandingan ekstraksi fitur untuk pengenalan wajah menggunakan metode Principal Component Analysis (PCA) dan Wavelet Daubechies untuk pengenalan wajah . Basis wavelet daubechies yang digunakan adalah wavelet db2, db4, dan db8. Setiap dekomposisi dilakukan hingga  level  ke-3 yang kemudian diambil fitur aproksimasi wavelet dan fitur statistik wavelet. Variasi nilai komponen utama dimulai dari nilai komponen ke-1 hingga nilai komponen ke-100 dari 4096 nilai eigen. Nilai komponen ke-1 memiliki presentase sebesar 62% sedangkan nilai komponen ke-100 memiliki presentase sebesar 99% dari total nilai eigen,. Pengujian sistem menggunakan 216 citra wajah yang diambil dari dataset The Japanese Female Facial Expression (JAFFE) yang terdiri dari 10 individu dengan masing-masing sekitar 20 wajah per- individu. Pemilihan data train dan data tes menggunakan cross validation  dengan rata-rata akurasi 94.42%.  Dari hasil percobaan menggunakan Random Forest Classifier diperoleh tingkat pengenalan tertinggi untuk ekstraksi menggunakan PCA sebesar 100% pada variasi data 95% ,sedangkan tingkat pengenalan tertinggi untuk ekstraksi menggunakan Wavelet Daubechies sebesar  98.611% pada wavelet db2 menggunakan fitur aproksimasi wavelet.
ISSN:2086-4930
2777-0648

Similar Items