ABSTRAKSI: Wajah merupakan salah satu tanda pengenal yang dimiliki masing-masing orang, setiap orang mempunyai wajah unik dan mempunyai karakter rmasing-masing. Dalam dunia teknologi masa depan, diinginkan suatu teknologi yang dapat meminimalisir gap antara teknologi dan user. Teknologi diingikan dapat mengenali dan berinteraksi dengan usernya. Pengenalan wajah diharapkan dapat menjembatani dan mengurangi gap yang telah ada.
Penelitian ini menggunakan algoritma Bacterial Foraging Optimization (BFO) secara utuh dengan menerapkan segala langkah dari algoritma BFO meliputi kemotaksis, tumbling, Reproduksi, dan juga Eliminasi. Dengan menggunakan Discrete Cosine Transform (DCT) sebagai ekstraksi fitur dan K-Nearest Neighbor sebagai sistem klasifikasi dg mengkhususkan pada Euclidean distance, Cosine Distance, dan Cityblock. Penelitian ini dilakukan secara offline dengan menggunakan Matlab sebagai sarana simulasi dari kinerja algoritma yang sedang diuji. Pada penelitian ini, penggunaan BFO lebih kepada optimasi pemilihan ciri yang akan digunakan sebagai unsur pengenalan suatu citra.
Dari penelitian yang telah dilakukan, didapatkan hasil akurasi pengenalan wajah dengan menggunakan BFO adalah sebesar 87,33% dengan jumlah ciri yang digunakan adalah sebesar 200 ciri. Sedangkan hasil akurasi terbaik dari DCT adalah sebesar 89% dengan menggunakan ciri sebesar 10304. Dengan menggunakan hanya 4% dari ciri keseluruhan hasil dari ekstraksi ciri dari DCT, pengenalan wajah ini berhasil dioptimasi dengan baik walaupun dengan akurasi yang masih kalau dari hasil DCT. Sedangkan penggunaan klasifikasi terbaik dalam penelitian ini adalah dengan menggunakan klasifikasi Euclidean distance pada kedua kasus dengan hasil akurasi sebesar 89% dan 87%.Kata Kunci : Pengenalan Wajah, Bacterial Foraging Optimization, Discrete Cosine Transform, Euclidean Distance, K-Nearest Neighbor, Euclidean Distance, Cityblock, Cosine DistanceABSTRACT: Face is one of the important biometric that everyone have. Every human have their own face pattern. It's something that could make people unique and could be recognized by other people. In the future, technology desired to relieve the gap between user and the tools. Desirable technology that could interact with the user and knowing each other. That's why face recognition is important here.
This research studied about face recognition using Bacterial foraging optimization (BFO) Algorithm. in this research used all the steps in BFOA like chemotaxis, tumbling, reproduction, and elimination and dispersal. Using Discrete Cosine Transform (DCT) as the feature extraction and K-Nearest Neighbor (K-NN) as the classification that consists of Euclidean distance, Cosine Distance and cityblock. this research based on offline sistem using MATLAB as the simulation software and ORL database as the training and testing image. BFOA mostly used as feature selection in this research and only used to select the feature that extracted by DCT.
The results of the research is the face recognition accuracy using BFO is 87.33% with only 636 features selected. And the best accuracy using DCT is 89% by using 10304 features. with this result, BFO function as feature selector has been met with only used less than 2% features from DCT feature extraction but with not as good as accuracy of DCT's result. in this research, also state that Euclidean distance is the best classifier in both condition (BFO and DCT) with the accuracy is 89% and 87.33 percent.Keyword: Face recognition, Bacterial Foraging Optimization, Discrete Cosine Transform, Euclidean Distance, K-Nearest Neighbor, Euclidean Distance, Cityblock, Cosine Distance.