ABSTRAKSI: Face recognition merupakan salah satu teknik biometric yang dapat mengenali identitas seseorang melalui wajah. Teknik ini cukup terkenal karena keakurasiannya yang cukup tinggi dan dapat diaplikasikan dengan mudah. Teknik ini sudah cukup banyak digunakan pada institusi-institusi untuk sistem presensi atau juga untuk verifikasi keamanan suatu sistem.
Metode-metode yang digunakan dalam sistem Face recognition kini sudah cukup banyak, metode yang cukup terkenal adalah eigenface, fisherface dan laplacianface. Ketiga metode ini cukup sering digunakan dalam penerapan sistem face recognition. Pendekatan eigenface menggunakan Principal Comonent Analysis ( PCA ), fisherface menggunakan PCA dan Linear Discriminant Analysis ( LDA ) dan laplacianface menggunakan PCA dan Locality Preserving Projection ( LPP ). Pada tugas akhir ini dilakukan perbandingan antara ketiga metode tersebut dengan beberapa skenario pengujian, baik dengan menggunakan derau yang sama maupun keadaan-keadaan muka yang berbeda-beda.
Dari simulasi sistem yang telah dilakukan, didapat bahwa pada sistem ini akurasi tertinggi eigenface mencapai 95.79%, fisherface mencapai 95.38% dan laplacian face mencapai 91.59%. kondisi ini didapatkan dengan kondisi masing-masing metode menggunakan nilai k = 1 saat pengklasifikasian dan khusus untuk Laplacianface, kondisi tersebut terjadi saat nilai t = 7000000. Sementara itu pengaruh motion blur pada sistem ini mulai terasa saat pergeseran piksel bernilai 20. Untuk mempercepat proses pengujian dapat dilakukan pengecilan ukuran citra uji sampai dengan 0.5 kali ukuran asli tanpa mengurangi akurasi secara drastis.
Kata Kunci : Kata kunci : face recognition, eigenface, fisherface, laplacianface, PCA, LDA, LPPABSTRACT: Face recognition is one of biometric technique that can recognized someone identity using his or her face. This technique is well-known because of its high accuracy and very applicable. Face recognition system have been used by many institute for its presence system also for the security verification system.
There are many methods for face recognition system, the well-known methods are eigenface, fisherface and laplacianace. These three methods quite often used on face recognition application. The eigenface methos use principal component analysis ( PCA ), fisherface use PCA and linear discriminant analysis ( LDA ) and laplacianface use PCA and Locality Preserving Projection ( LPP ). On this final project, the three method were compared by using some test scenario.
From the system simulation, we get that the highest accuration of eigenface is 95.79 %, when fisherface is 95.38 % and laplacianface is 91.59 %. This condition available on k =1 in the classification phase, and for the laplacianface method this condition happen when t = 7000000. Meanwhile, the motion blur affected the system badly when the pixel shift is 20. To increase the speed process we can resize the test image to half of the original size without decrease the accuracy drastically.Keyword: Key word : face recognition, eigenface, fisherface, laplacianface, PCA, LDA, LPP