ABSTRAKSI: Pengenalan citra wajah merupakan proses untuk mengenali dan menentukan seseorang. Teknologi pengenalan citra wajah termasuk di dalam biometrik yang menggunakan karekteristik manusia. Saat ini pengenalan wajah dapat digunakan dalam berbagai hal, diantaranya untuk keamanan, pengenalan identitas pegawai, meningkatkan efisiensi dan efektifitas berbagai kegiatan, yaitu dengan mengurangi pemakaian kartu identitas dan kata sandi.
Sistem pengenalan yang diimplementasikan ini menggunakan model Jaringan Saraf Tiruan Adaptive Resonance Theory (ART). JST ART ini memiliki kemampuan untuk menerima informasi baru tanpa melupakan informasi sebelumnya, sama seperti cara kerja otak manusia. Untuk dapat mengidentifikasi citra wajah, jaringan saraf tiruan memerlukan preprocessing dan feature extracting terlebih dulu. Proses ekstraksi ciri dengan Principal Component Analysis (PCA) bertujuan untuk mendapatkan informasi ciri yang penting dari citra wajah dan nilainya diambil sebagai masukan untuk jaringan saraf tiruan. Pelatihan JST dilakukan untuk mendapatkan klasifikasi yang tepat dari masukan data latih citra wajah asli. Citra wajah dapat dikenali jika citra wajah tersebut masuk dalam salah satu kelas yang terbentuk dari proses pelatihan.
Dari hasil pengujian diperoleh tingkat keakuratan sistem pengenalan citra wajah dengan klasifikasi terbaik adalah sekitar 96% untuk bisa mengenali citra wajah asli, dan sekitar 80% – 100% untuk menolak citra wajah palsu.Kata Kunci : Biometrik, JST Adaptive Resonance Theory, preprocessing,ABSTRACT: Face recognition is a process to recognize and decide someone by his face. Face recognition technology include on biometric which use natural human behavior characteristics. Nowadays, face recognition can be use for many things for example: security, employee identity recognition, and crime subject identification. Face recognition also can be use to make many things more efficient and effective by reduce the using of password and identity card.
Identification system implemented using Adaptive Resonance Theory (ART) neural network models. ART neural network is capable to receive new information without forgetting the previous information, like as the way of human brain work. To be able to recognize face image, neural network need preprocessing and feature extracting. Extraction process with Principal Component Analysis to get the important feature information from face image and its value is taken as input to neural network. Learning of neural network is conducted to get the correct classification from data training a genuine face image. The face image can be recognized if it set in one of the class from training process.
From the testing result is obtained by level accuracy of face recognition system with the best classification is 96% for can be recognized a genuine face image, and around 80% – 100% for reject a forged face image.Keyword: Biometric, Adaptive Resonance Theory, neural network,