ABSTRAKSI: Pada sistem keamanan sebuah instansi untuk mendeteksi wajah seseorang menggunakan face recognation untuk masalah privasi. Face recognition merupakan sebuah biometrik untuk mengidentifikasi wajah yang memiliki akurasi yang tinggi. Namun pada umumnya,proses identifikasi menggunakan citra wajah tampak depan. Pada kenyataannya untuk mendapatkan hasil seperti itu cukup sulit dan terbatas untuk dilihat.
Pada tugas akhir ini akan dibuat suatu program untuk menganalisis wajah tampak samping menggunakan metode Local Binary Pattern (LBP) dan Jaringan Syaraf Tiruan – Learning Vector Quantization (JST-LVQ) . Pada sistem Local Binary Pattern (LBP) akan di dapat ciri pada wajah dengan membandingkan sebuah nilai dari setiap pixel dengan nilai pixel tetangga-tetangganya. Kemudian nilai baru yang didapatkan dari setiap pixel itu akan dijadikan sebuah histogram yang akan dijadikan ciri dari suatu wajah. Pada metode Jaringan Syaraf Tiruan – Learning Vector Quantization (JST-LVQ) mampu mengklasifikasikan wajah yang dalam keadaan normal dan dalam kondisi menggunakan aksesoris seperti topi. Karena JST mengelompokkan vektor-vektor yang jaraknya cukup berdekatan pada kelas yang sama dan LVQ memiliki linear layer, dalam proses pengklasifikasiannya, metode ini memiliki kemampuan learning yang cepat sekaligus mempertahankan tingkat keakuratan yang tinggi.
Dari hasil pengujian diperoleh hasil akurasi untuk masing-masing jenis LBP adalah LBP Biasa sebesar 73.33%, U LBP sebesar 73 %, RI LBP sebesar 72.53% dan RIU LBP sebesar 72.5%. Akurasi tersebut diperoleh dari pengujian 120 citra uji dengan ukuran sampling point P=8 , radius R=1, 200 hidden layer, 600 epoch. Waktu komputasi rata-rata dalam mengidentifikasi wajah tampak samping adalah selama 0.3 detik.Kata Kunci : face recognition, Local Binary Pattern (LBP), Jaringan Syaraf Tiruan-LearningABSTRACT: At an agency's security system to detect a person's face using face recognation to privacy issues. Face recognition is a biometric to identify the face that has a high accuracy. But in general, the process of identification using facial image looks ahead. In fact to get the result as it was quite difficult and limited to behold.
In this final project will be made a program to analyze the face side view using the Local Binary Pattern (LBP) and Learning Vector Quantization - Artificial Neural Network. In the system of Local Binary Pattern (LBP) will be able to characterize the face by comparing the value of each pixel to pixel values of its neighbors. Then the new value derived from each pixel that would be a histogram that will be the hallmark of a face. In the method of Learning Vector Quantization - Artificial Neural Network were able to classify faces under normal circumstances and in conditions using accessories like hats. Since ANN classifies the vectors close enough distance in the same class and have the linear LVQ layer, the classification process, this method has a fast learning capabilities while maintaining a high level of accuracy.
From the results of testing the accuracy of the results obtained for each type of LBP is at 73.33% Ordinary LBP, LBP U by 73%, amounting to 72.53% RI LBP and LBP RIU at 72.5%. Accuracy is derived from testing 120 test images with the size of the sampling point P = 8, radius R = 1, 200 hidden layer, 600 epoch. Average computation time in identifying faces a side is for 0.3 seconds.Keyword: face recognition, Local Binary Pattern (LBP), Learning Vector Quantization -