ANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS

Pengenalan identitas berdasarkan citra biometri semakin ditingkatkan dalam sistem keamanan pemerintahan. Sudah banyak penelitian yang telah dilakukan untuk meningkatkan penyelesaian permasalahan tersebut. Pengenalan identitas berdasarkan biometri dapat dilakukan menggunakan citra wajah, citra sidik jari, dan citra retina. Citra biometri wajah lebih memungkinkan untuk diterapkan karena tidak menggunakan alat khusus untuk pengambilan citra biometri dan dapat diterima oleh masyarakat. Citra biometri wajah dapat diperoleh dengan menggunakan kamera digital pada umumnya. Penelitian ini melakukan analisa berbagai metode pengukuran similaritas pengenalan citra biometri wajah 2D. Metode yang digunakan antara lain jarak euclidean, manhattan, SSE-distance, MSE-distance, Canberra, dan modified-SSE. Ekstraksi fitur citra wajah menggunakan metode Diagonal Principal Component Analysis (diaPCA), merupakan pengembangan dari 2DPCA. Metode ini menggabungkan informasi piksel baris dan piksel kolom dari suatu citra. Berdasarkan uji coba yang telah dilakukan dapat diambil kesimpulan bahwa jarak-SSE memberikan hasil error rata- rata yang paling minimum dibandingkan dengan metode pengukuran jarak yang lain, yaitu 0,75% atau dengan kata lain mencapai akurasi sebesar 99,25%. Sedangkan metode pengukuran jarak yang memiliki error paling besar adalah jarak Euclidean, yaitu mencapai error rata-rata 11,83% atau akurasi 88,17%. Pembandingan dengan penelitian sebelumnya yang menggunakan PCA, menunjukkan bahwa secara umum nilai akurasi diaPCA lebih tinggi daripada PCA. Kata kunci: pengenalan wajah, diagonal PCA, pengukuran jarak minimu