Pengenalan wajah merupakan suatu kemampuan yang digunakan oleh manusia untuk membedakan manusia yang satu dengan yang lainnya. Pengenalan wajah yang dilakukan oleh manusia kemudian coba diimplementasikan kedalam sebuah mesin sehingga mesin tersebut memiliki kemampuan untuk mengenali wajah layaknya manusia. Sampai saat ini fenomena pengenalan wajah masih menjadi bahasan yang menarik dalam computer vision. Hal ini disebabkan karena banyaknya faktor-faktor yang mempengaruhi performansi sistem pengenalan wajah, diantaranya pencahayaan, pose, ekspresi, umur, model rambut, dan benda yang dipakai pada wajah (misal kacamata).
Naïve Bayes Nearest Neighbor (NBNN) merupakan metode yang ditawarkan untuk memberikan solusi terhadap masalah variasi pose dan posisi. NBNN merupakan suatu hybrid method antara Naïve Bayes Classifier (NBC) dan Nearest Neighbor (NN). NBNN menggunakan teori probabilitas dalam implementasinya serta perhitungan jarak terdekat antara suatu gambar dengan kelas (image-to-class) untuk melakukan klasifikasi.
Berdasarkan hasil pengujian yang dilakukan pada tugas akhir ini, Naïve Bayes Nearest Neighbor (NBNN) dapat diimplementasikan sebagai classifier untuk membangun sistem pengenalan wajah dengan akurasi sebesar 91% menggunakan AT&ORL dataset.
NBNN, Pengenalan Wajah, Klasifikasi, Ekstaksi Ciri