ABSTRAKSI: Setiap manusia mempunyai ciri khas tersendiri pada wajah yang membedakannya dengan manusia lain. Sehingga wajah pun memainkan peranan penting dalam mengungkap identitas seseorang. Seiring dengan bertambahnya usia, wajah pun akan mengalami perubahan bentuk. Salah satu metode yang memaparkan perubahan bentuk wajah terhadap usia adalah metode Cranio-Facial Growth yang memprediksi perkembangan wajah manusia berdasarkan parameter pertumbuhan (k).
Tugas akhir ini membahas mengenai pemanfaatan metode Cranio-Facial Growth dalam memprediksi wajah dan metode Eigenface dalam melakukan pengenalan wajah. Dalam proses pengenalan tersebut, yang menjadi input sistem adalah 68 landmark pada wajah sesuai dengan konsep Face Anthropometry .
Dari hasil pengujian didapatkan bahwa, semakin besar SNR citra input pada saat penentuan parameter pertumbuhan (k) maka akurasi semakin besar. Sementara jumlah eigenface yang digunakan sebanding dengan besarnya akurasi sistem dan sistem mencapai akurasi maksimum ketika jumlah eigenface lebih dari 7 dengan nilai akurasi sebesar 56% dalam memprediksi dan mengenali citra wajah beda usia.
Kata Kunci : Cranio-Facial Growth, Eigenface, Face AnthropometryABSTRACT: Every human has own characteristics in the face which distinguish with the other humans. So that, the face has an important role in uncovering a person's identity. Along with age, changes will be occur on the shape of face. One method of describing the changes in shape of the face at different age is the Cranio-Facial Growth methods that predict the development of human faces based on growth parameters (k).
This final project about the use of Cranio-Facial Growth method in predicting facial image and Eigenface method in face recognition. Which becomes the input for recognition process is 68 landmarks on the face in accordance with the concept of Face Anthropometry.
From the test results showed that, as greater the input image SNR when deciding on the growth parameters (k) as greater accuracy. While the number of eigenface is used proportional to the accuracy of the system and the system reaches a maximum accuracy when the number of eigenface more than 7 with a value of 56% accuracy in predicting and recognizing facial images at different age.
Keyword: Cranio-Facial Growth, Eigenface, Face Anthropometry