Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah

Rifki Kosasih

Abstract


Wajah manusia memiliki ciri khusus yang dapat membedakan dengan orang lainnya sehingga pengenalan wajah sangat penting dilakukan untuk mengenali seseorang. Ciri khusus pada wajah ini disebut juga dengan fitur. Pada penelitian ini, untuk mendapatkan fitur dilakukan pengenalan pola citra wajah dengan menggunakan metode isomap. Metode isomap merupakan salah satu metode dari manifold learning yang menghasilkan fitur-fitur dengan cara mereduksi dimensi. Citra wajah yang digunakan dalam penelitian ini terdiri dari 6 orang dengan tiap orang memiliki 4 citra wajah dengan ekspresi yang berbeda-beda. Data citra ini dibagi menjadi dua bagian yaitu data latih dan data uji. Selanjutnya data citra tersebut diubah menjadi vektor. Metode isomap digunakan untuk mentransformasikan vektor tersebut menjadi vektor yang mengandung fitur wajah. Setelah fitur wajah diperoleh, selanjutnya dilakukan pengujian pada data uji dengan menggunakan algoritma K Nearest Neighbor (KNN).  Algoritma K Nearest Neighbor digunakan untuk pengklasifikasian dengan cara mencari K data latih yang terdekat dengan data uji. Dari hasil klasifikasi diperoleh bahwa tingkat akurasi sebesar 83,33%.


Keywords


fitur, isomap, manifold learning, KNN

Full Text:

PDF

References


R. Kosasih, S. Madenda , C. M. Karyati and Lussiana, "Determination the Optimal Position from T1 and T2 Weighted MR Imaging of the Abdominal Aortic Aneurysm," Advance Science, Engineering and Medicine, vol. 7, no. 10, pp. 915-919. 2015.

V. D. Maaten, E. Postma, and V. D. Herik, "Dimensionality reduction a comparative review," L. J. P. Technical Report TiCCTR. pp. 2009-005, 2009.

L. Cayton, "Algorithms for manifold learning," UCSD Technical Report CS. pp. 2008-0923, 2005.

J. B Tenenbaum, V. D Silva and J. Langford, "A global geometric framework for nonlinear dimensionality reduction," Science, vol. 290, pp. 2319-2323, 2002.

R. Kosasih and A. Fahrurozi, "Clustering of Face Images by Using Isomap method," Proceeding on International Workshop on Academic Collaboration, No (ISBN: 978-602-9438-86-4), 2017, pp. 52-56.

A. Fahrurozi and R. Kosasih, "Face Recognition Using Local Binary Pattern Combined With PCA For Images Under Various Expression and Illumination," Proceeding on International Workshop on Academic Collaboration, No (ISBN: 978-602-9438-86-4), 2017, pp. 1-7.

D. E. Pratiwi, dan A. Harjoko, "Implementasi Pengenalan Wajah Menggunakan PCA (Principle Component Analysis)," Indonesian Journal of Electronics and Instrumentations Systems, vol. 3, no. 2, pp. 175-184, 2013.

S Warshall. "A Theorem on Boolean Matrices," Journal of the ACM, vol. 9, no. 1, pp. 11-12, 1962.

L. Devroye, L. Gyorfi, A. Krzyzak and G. Lugosi, "On the strong universal consistency of nearest neighbor regression function estimates," Ann. Statist, vol. 22, pp. 1371–1385, 1994.

S. B. Imandoust and M. Bolandraftar, "Application of K-Nearest Neighbor (KNN) Approach for Predicting Economic Events: Theoretical Background," J. Eng. Res. and App, vol. 3, no. 5, pp. 605-610, 2013.

C. Domeniconi, J. Peng and D. Gunopulos, "Locally adaptive metric nearest-neighbor classification," IEEE Trans. Pattern Anal. Mach. Intell, vol. 24, no.9, pp.1281–1285, 2002.

D. P. Lestari, R. Kosasih, T. Handhika, I. Sari, A. Fahrurozi. "Fire Hotspots Detection System on CCTV Videos Using You Only Look Once (YOLO) Method and Tiny YOLO Model for High Buildings Evacuation," In Proceedings of the 2019 2nd International Conference of Computer and Informatics Engineering (IC2IE), 2019, pp. 87–92.




DOI: https://doi.org/10.24114/cess.v5i2.18982

Article Metrics

Abstract view : 966 times
PDF - 406 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License