ABSTRAKSI: Wajah merupakan salah satu bagian yang memiliki peran sangat penting dalam kehidupan manusia.
Melalui teknik pengenalan wajah, beragam informasi dapat diperoleh. Meskipun memiliki peran yang sangat penting dalam sistem pengenalan wajah, deteksi wajah kurang mendapat perhatian dalam komunitas riset. Padahal sebelum bisa mendapatkan berbagai informasi dari sebuah wajah, pertama-tama perlu didapatkan terlebih dahulu wajah tersebut. Sistem deteksi wajah memberikan banyak tantangan dan kesulitan yang harus dihadapi yang disebabkan karena terdapat keberagaman variasi penampakan wajah pada citra, juga kompleksitas dari latar belakang citra.
Dalam tugas akhir ini, digunakan metode GMDH Polynomial Neural Network (PNN) untuk mendeteksi kemunculan wajah pada suatu citra. PNN akan membagi region lokal pada multiscale sliding windows menjadi dua kelas, yaitu bagian wajah dan bukan wajah dengan memanfaatkan input data citra yang telah dilakukan proses reduksi dimensi untuk mengurangi kompleksitas komputasi menggunakan Nonlinear PCA. Klasifikasi dilakukan dengan teknik soft-classification.
Dari hasil pengujian dapat diketahui jaringan GMDH-PNN dan tingkat reduksi NLPCA yang menghasilkan akurasi sistem sebesar 99,87 % untuk data train dan akurasi 81,96% untuk data testing.
Kata Kunci : deteksi wajah, Nonlinear PCA, GMDH, Polynomial Neural Network.ABSTRACT: The face is one part that has a very important role in human life. Through face recognition techniques, a variety of information can be obtained.
Despite having a very important role in face recognition system, face detection received less attention in research community. Whereas before we could get any information from a face, first of all the face itself need to be obtained in advance. Face detection system provides many challenges and difficulties that must be faced that there are diverse variations caused by the appearance of the face on the image, also the complexity of the background image.
In this thesis, the method used polynomial GMDH Neural Network (PNN) to detect the occurrence of faces in an image. PNN will divide the local region on multiscale sliding windows into two classes, namely the face and not the face by using the input image data that has made the reduction process to reduce the computational complexity dimensions using Nonlinear PCA. Classification was done by using soft-classification. From the test results can be known-PNN GMDH network and the level of reduction NLPCA resulting system accuracy of 99.87% for training data and accuracy of 81,96% for testing data.Keyword: Face detection, Nonlinear PCA, GMDH, Polynomial Neural Network