ABSTRAKSI: Pengenalan wajah adalah salah satu pengenalan biometrik yang populer. Teknologi pengenalan wajah berkembang pesat seiring perkembangan jaman. Berbagai metode diajukan untuk menciptakan sistem pengenalan wajah yang handal. Pengenalan wajah digunakan berbagai hal seperti pengawasan, pencarian orang hilang, identifikasi tersangka kejahatan, dan akses menuju aset-aset berharga. Melalui pengenalan wajah seseorang dapat dikenali dari “siapa orang tersebut” bukan “apa yang dia miliki” (kunci, kartu ID) atau “apa yang dia tahu” (kata kunci, PIN).
Fisherface adalah salah satu metode yang digunakan untuk mengenali wajah. Metode ini adalah turunan dari Fisher’s Linear Disciminant (FLD) yang digabungkan dengan Principal Component Analysis (PCA). PCA bertugas untuk mereduksi data masukan agar memudahkan dan mempercepat proses FLD. FLD bertugas untuk menghasilkan matriks sebaran untuk memudahkan klasifikasi dan pengenalan. Pada akhirnya proyeksi PCA dan proyeksi FLD digabung untuk menghasilkan proyeksi data ke ruang fisher yang dinamakan Fisherface.
Pada penelitian yang dilakukan digunakan maksimal 11 individu dan minimal delapan individu dengan 16 citra latih dan empat citra uji per individu. Pada kelas citra yang mengalami perubahan ekspresi dengan pencahayaan normal diperoleh akurasi sistem 97,73%. Pada kelas citra yang mengalami perubahan pencahayaan diperoleh akurasi sistem 63,64%. Pada kelas citra yang mengalami pemotongan diperoleh akurasi sistem 6,82%. Fisherface mampu memisahkan lima dari 8 individu secara sempurna pada percobaan dengan 8 individu.Kata Kunci : pengenalan biometrik, pengenalan wajah, Fisherface, Principal Component Analysis, Fisher’s Linear DiscriminantABSTRACT: Face recognition is one of the most popular biometric recognition. Facial recognition technology developed rapidly as development era. Various methods proposed for creating a reliable face recognition system. Face recognition is used to things like surveillance, missing person searches, identification of crime suspects, and access to valuable assets. Through the introduction of a person's face can be recognized from the "who the person is" not "what he had" (keys, ID card) or "what he knew" (keywords, PIN).
Fisherface is one of the methods used to recognize faces. This method is derived from Fisher's Linear Disciminant (FLD), which combined with Principal Component Analysis (PCA). PCA served to reduce the input data in order to facilitate and accelerate the process of FLD. The aim of FLD is to produce a scatter matrix to facilitate the classification and recognition. In the end projection of PCA and FLD combined to produce projection data at fisher space called Fisherface.
The experiment used maximum of 11 individuals and a minimum of eight individuals with 16 train samples and four test images per individual. In the image classes that experienced changes in expression with normal lighting obtained a system accuracy of 97,73%. In the image classes that experienced changes in lighting obtained a system accuracy of 63,64%. In the image classes that experienced cropping obtained a system accuracy of 6,82%. Fisherface can classify five of eight individuals perfectly in the expriment with eight individuals.Keyword: biometric recognition, face recognition, Fisherface, Principal Component Analysis, Fisher's Linear Discriminant