PENGOLAHAN CITRA UNTUK PENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN EUCLIDEAN DISTANCE

Penelitian ini bertujuan mendeteksi wajah pada citra menggunakan metode skin detection berdasarkan model warna YCbCr, menganalisis principal component dan euclidean distance untuk pengenalan wajah, serta mengetahui tingkat keakuratan dalam mengenali wajah. Penelitian ini dimulai dengan pendeteksian bagian wajah dan bukan wajah pada citra menggunakan metode skin detection. Citra asli RGB dikonversi ke dalam model warna YCbCr, kemudian dilakukan pemisahan atau segmentasi piksel warna kulit pada komponen krominan berdasarkan threshold yang telah ditentukan. Hasil citra segmentasi dikenai morfologi opening (erosi diikuti dilasi) untuk menghilangkan derau. Kemudian dilakukan pelabelan dan pemotongan citra yang diidentifikasi sebagai wajah. Setelah bagian wajah terdeteksi, langkah selanjutnya proses ekstraksi ciri menggunakan principal component analysis dengan cara mereduksi citra 2D menjadi 1D; mencari rata-rata citra; menormalisasi citra; menghitung matriks kovarian; menghitung nilai eigen dan vektor eigen; menghitung eigenfaces; dan menghitung bobot citra. Klasifikasi citra menggunakan metode euclidean distance dengan mencari jarak minimum antara bobot citra uji dengan bobot citra latih. Metode PCA pada penelitian ini dapat mereduksi fitur-fitur wajah yang semula matriksnya berukuran 34×20400 menjadi matriks berukuran 34×200, matriks tersebut merupakan komponen terpilih karena memberikan pengaruh yang signifikan terhadap database. Tingkat akurasi pengenalan wajah pada penelitian ini sebesar 95% karena mampu mengidentifikasi wajah meskipun wajah dengan ekspresi yang berbeda dan menggunakan aksesoris berupa kacamata