Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan K Nearest Neighbor

Pengenalan wajah merupakan sistem biometrika yang banyak digunakan untuk pengenalan individu pada penggunaan mesin absensi atau akses kontrol. Hal ini karena wajah merupakan salah satu ciri biometrika yang paling umum digunakan untuk mengenali seseorang. Selain itu, pengenalan wajah tidak mengganggu Kenyamanan seseorang saat pengambilan citra. Namun, ada dua hal yang menjadi masalah pengenalan wajah yaitu proses ekstraksi fitur dan teknik klasifiksi yang digunakan. Penelitian ini menggunakan linear discriminant analysis (LDA) dan k nearest neighbor untuk membangun sistem pengenalan wajah. LDA digunakan untuk membentuk satu set fisherface, di mana seluruh citra wajah direkonstruksi dari kombinasi fisherface dengan bobot yang berbeda-beda. Nilai bobot suatu citra testing akan dicocokkan dengan nilai bobot citra di database menggunakan metode klasifikasi k nearest neighbor. Sistem ini dibangun menggunakan bahasa pemograman Java. Sistem telah diuji menggunakan database sebanyak 66 citra wajah dari 22 individu. Hasil pengujian menunjukkan metode LDA dan k nearest neighbor cukup optimal untuk melakukan pengenalan wajah dengan akurasi pengenalan citra wajah normal mencapai 98.33% dan akurasi pengenalan citra wajah yang diberi noise sebesar 86,66%