DEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH

Dekomposisi Nilai Singular atau Singular Value Decomposition (SVD)<br />merupakan salah satu cara untuk menyatakan Principal Component Analysis (PCA).<br />PCA sendiri merupakan suatu proses untuk menemukan kontributor-kontributor<br />penting dari suatu data berdasarkan besaran statistika deviasi standart dan variansi.<br />SVD merupakan proses untuk mendapatkan matriks diagonal yang elemen<br />tak nolnya merupakan nilai singular yang akarnya merupakan eigenvalue.<br />SVD atas matriks kovarian C berbentuk C = U<br />?<br />V T dengan matriks U dan V<br />memuat eigenvektor yang sudah terurut dari nilai variansi terbesar ke nilai variansi<br />terkecilnya. Variansi terbesar memiliki arti eigenvektor menangkap ciri-ciri yang<br />paling banyak berubah. Sifat inilah yang dipakai untuk membentuk eigenface