ABSTRAKSI: Sistem pengenalan wajah manusia telah banyak berkembang. Teknik pengenalan wajah pada umumnya dapat dibagi menjadi dua jenis, yaitu teknik feature based dan teknik template based. Pada masa kini pengenalan wajah yang menggunakan teknik template based lebih banyak digunakan untuk sistem pengenalan wajah karena telah terbukti lebih baik. Namun pada umumnya, teknik pengukuran kemiripan pada teknik template based yang digunakan untuk sistem pengenalan wajah tidak memiliki informasi mengenai jenis variasi yang penting pada wajah untuk melakukan pengukuran kemiripan.
Dalam Tugas Akhir ini dibuat suatu perangkat lunak untuk melakukan pengenalan wajah yang memperhitungkan variasi intrapersonal pada seorang individu dalam perhitungan pengukuran kemiripannya. Pengukuran kemiripan yang menggunakan variasi intrapersonal dapat dilakukan dengan menggunakan Bayesian Classifier. Variasi intrapersonal pada seorang individu dikompresi menggunakan metode ekstraksi fitur secara statistik yang telah lama digunakan, yaitu metode Principal Component Analysis (PCA). Dengan menggunakan ekstraksi fitur PCA dan pengukuran kemiripan yang memperhitungkan variasi intrapersonal pada seorang individu, dihasilkan suatu sistem pengenalan wajah dengan tingkat akurasi yang tinggi (mencapai 100%) dan kompresi data yang baik.Kata Kunci : Variasi Intrapersonal, Bayesian Classifier, Principal ComponentABSTRACT: Human face recognition system has been greatly developed. Basically, face recognition technique can be divided as two major technique. They are feature based face recognition and template based face recognition. At these time, template based technique is commonly used because of its proven superiority. Where on template based technique, usually the similarity measurement don t use any information about what kind of variation is important to measure the similarity.
In this final project has been made a facial recognition software to recognize a face using intrapersonal variations of every individuals to masure the similarity. Similarity measurement using intrapersonal variations can be done with Bayes Classifier. Intrapersonal variations on each individuals are compressed using Principal Component Analysis (PCA), a widely known statistical feature compression technique,. By using PCA and similarity measurement that uses intrapersonal variations on each individuals, has been yielded a face recognition system with high recognition accuration (reaching 100%) with good data compression using PCA.Keyword: Intrapersonal Variations, Bayesian Classifier, Principal Component