PERBANDINGAN KINERJA SINGLE LINKAGE, COMPLETE LINKAGE, DAN AVERAGE LINKAGE DALAM PENGELOMPOKKAN CITRA WAJAH

Sekarang ini sistem pengenalan wajah banyak berperan di berbagai bidang, seperti absensi, keamanan dalam kontrol akses dan identifikasi seseorang. Pengenalan wajah merupakan salah satu pengenalan pola untuk keperluan identifikasi personal disamping pendekatan biometrik lainnya seperti pengenalan sidik jari, tanda tangan, retina mata, dan sebagainya. Pengenalan wajah banyak menarik perhatian dalam lingkungan akses informasi. Pengelompokkan citra wajah dapat membantu sistem pengenalan wajah agar lebih efisiensi dan menemukan keakuratan dalam hal mengenali identitas citra wajah. Pengelompokan citra wajah ini bertujuan untuk mengelompokan setiap citra wajah dalam database berdasarkan identitas wajah. Dalam kaitan tersebut, maka diperlukan suatu metode yang dapat mengenali citra wajah dengan cara mengekstraksi fiturnya. Scale Invariant Feature Transform (SIFT) merupakan salah satu metode yang digunakan dalam pengenalan citra. Kemudian fitur citra yang diekstraksi dikelompokkan dengan algoritma Hierarchical Agglomerative Clustering (HAC) dengan teknik yang digunakan Single Linkage, Complete Linkage, dan Average Linkage. Dari hasil pengujian yang di dapatkan kinerja clustering Complete linkage lebih baik yaitu 36% dibandingkan dengan Single linkage 31% dan Average linkage 35%