Penerapan Algoritma Support Vector Machine Dalam Pengenalan Wajah Berdasarkan Fitur Isomap
DOI:
https://doi.org/10.24114/cess.v11i1.68568Keywords:
Pengenalan wajah, Isomap, SVM, Ekstraksi Fitur, KlasifikasiAbstract
Pengenalan wajah merupakan salah satu bidang yang digunakan untuk mengenali seseorang melalui citra ataupun video. Pengenalan wajah ini dapat digunakan untuk absensi kehadiran yang lebih efektif dan efisien dibandingkan dengan absensi menggunakan cara manual. Pada penelitian ini data yang digunakan merupakan data citra wajah yang terdiri dari 6 orang dengan tiap orang memiliki 4 variasi ekspresi wajah. Tahapan selanjutnya adalah melakukan ekstraksi fitur wajah dengan menggunakan metode isomap. Metode isomap adalah salah satu metode yang dapat mereduksi dimensi dari dimensi yang tinggi ke dimensi yang lebih rendah. Dalam studi ini dimensi yang dihasilkan sebanyak 4 sehingga terdapat 4 fitur yang akan digunakan dalam pengklasifikasian wajah. Fitur-fitur tersebut dibagi menjadi fitur latih dan fitur uji. Untuk pengklasifikasian wajah, digunakan metode support vector machine (SVM). Metode support vector machine merupakan metode supervised learning yang dapat digunakan dalam pengenalan pola dan klasifikasi. Metode support vector machine memperhatikan perhitungan jarak kedekatan fitur satu dengan fitur lainnya dalam pengenalan pola dan klasifikasi. Berdasarkan hasil klasifikasi diperoleh tingkat akurasi sebesar 87,5%, rata-rata terbobot presisi sebesar 79,1675% dan rata-rata terbobot recall sebesar 87,5%.Downloads
References
[1] R. Kosasih, “Penggunaan Metode Linear Discriminant Analysis Untuk Pengenalan Wajah Dengan Membandingkan Banyaknya Data Latih,” J. Ilm. Teknol. dan Rekayasa, vol. 26, no. 1, pp. 25–34, 2021.
[2] R. Kosasih, “Pengenalan Wajah Menggunakan PCA dengan Memperhatikan Jumlah Data Latih dan Vektor Eigen,” J. Inform. Univ. Pamulang, vol. 6, no. 1, pp. 1–6, 2021.
[3] Rifky Kurniawan, “Penerapan Metode Eigenface untuk Pengenalan Citra Wajah pada Sistem Absensi,” J. Ilm. Indones., vol. 7, no. 10, pp. 17871–17885, 2022, doi: 10.36418/syntax-literate.v7i10.13208.
[4] D. Yulianti, I. Triastomoro, and S. Sa’idah, “Identifikasi Pengenalan Wajah Untuk Sistem Presensi Menggunakan Metode Knn (K-Nearest Neighbor),” J. Tek. Inf. dan Komput., vol. 5, no. 1, pp. 1–10, 2022, doi: 10.37600/tekinkom.v5i1.477.
[5] R. Kosasih, “Kombinasi Metode Isomap dan KNN Pada Image Processing Untuk Pengenalan Wajah,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, pp. 166–170, 2020.
[6] Salamun and F. Wazir, “Rancang Bangun Sistem Pengenalan Wajah Dengan Metode Principal Component Analysis,” J. Teknol. dan Sist. Inf. UNIVRAB, vol. 1, no. 2, pp. 59–75, 2016, doi: 10.36341/rabit.v1i2.25.
[7] E. A. M. Iqbal, “Hybrid model transfer Learning ResNet50 dengan Support Vector Machine untuk Deteksi Masker pada Image wajah,” 2023.
[8] N. Djamsi, D. Rizki Chandranegara, and Z. Sari, “Mendeteksi Ekspresi Wajah dengan Meninjau Iris Mata Menggunakan Metode Transformasi Hough dan K-Nearest Neighbor (KNN),” Repositor, vol. 5, no. 1, pp. 575–580, 2023.
[9] Siti Khotimatul Wildah, S. Agustiani, Ali Mustopa, Nanik Wuryani, Hendri Mahmud Nawawi, and Rizky Ade Safitri, “Pengenalan Wajah Menggunakan Pembelajaran Mesin Berdasarkan Ekstraksi Fitur Pada Gambar Wajah Berkualitas Rendah,” INFOTECH J. Inform. Teknol., vol. 2, no. 2, pp. 95–103, 2021, doi: 10.37373/infotech.v2i2.189.
[10] P. Rosyani, “Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) dan Canberra Distance,” J. Inform. Univ. Pamulang, vol. 2, no. 2, p. 118, 2017, doi: 10.32493/informatika.v2i2.1515.
[11] A. Fahrurozi and R. Kosasih, “Face Recognition Using Local Binary Pattern Combined With PCA For Images Under Various Expression and Illumination,” in Proceeding on International Workshop on Academic Collaboration 2017, 2017, no. May, pp. 1–7.
[12] R. Kosasih and A. Fahrurozi, “Clustering of Face Images by Using Isomap method,” in Proceeding on International Workshop on Academic Collaboration 2017, 2017, no. May, pp. 52–56.
[13] J. B. Tenenbaum, V. De Silva, and J. C. Langford, “A Global Geometric Framework for Nonlinear Dimensionality Reduction,” Science (80-. )., vol. 290, no. December, pp. 2319–2323, 2000.
[14] R. Kosasih, A. Fahrurozi, and D. Riminarsih, “Implementation of Random Forest on Face Recognition Using Isomap Features,” CESS (Journal Comput. Eng. Syst. Sci., vol. 7, no. 2, p. 459, 2022, doi: 10.24114/cess.v7i2.34498.
[15] A. Ambarwari, Q. J. Adrian, Y. Herdiyeni, and I. Hermadi, “Plant species identification based on leaf venation features using SVM,” TELKOMNIKA, vol. 18, no. 2, pp. 726–732, 2020, doi: 10.12928/TELKOMNIKA.v18i2.14062.
[16] M. Jawad, A. Dujaili, A. Ebrahimi-moghadam, and A. Fatlawi, “Speech emotion recognition based on SVM and KNN classifications fusion,” Int. J. Electr. Comput. Eng., vol. 11, no. 2, pp. 1259–1264, 2021, doi: 10.11591/ijece.v11i2.pp1259-1264.
[17] K. M. Mustapha and E. A. Abdellatif, “Adapted branch-and-bound algorithm using SVM with model selection,” Int. J. Electr. Comput. Eng., vol. 9, no. 4, pp. 2481–2490, 2019, doi: 10.11591/ijece.v9i4.pp2481-2490.
[18] Y. K. Zamil, S. A. Ali, and M. A. Naser, “Spam image email filtering using K-NN and SVM,” Int. J. Electr. Comput. Eng., vol. 9, no. 1, p. 245, 2019, doi: 10.11591/ijece.v9i1.pp245-254.
[19] Q. Tian, L. Zhang, Y. Wei, W. Zhao, and W. Fei, “Vehicle Detection and Tracking at Night in Video Surveillance,” Int. J. Online Eng., vol. 9, no. 6, pp. 60–64, 2013, doi: 10.3991/ijoe.v9iS6.2828.
[20] A. Fahrurozi and R. Kosasih, “Texture Features and Statistical Features for Wood Types Classification System,” in 5th International Conference of Computer and Informatics Engineering (IC2IE), 2022, pp. 186–191.
[21] D. P. Lestari and R. Kosasih, “Comparison of two deep learning methods for detecting fire hotspots,” Int. J. Electr. Comput. Eng., vol. 12, no. 3, pp. 3118–3128, 2022, doi: 10.11591/ijece.v12i3.pp3118-3128.
[22] D. P. Lestari, R. Kosasih, T. Handhika, Murni, I. Sari, and 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 2nd International Conference of Computer and Informatics Engineering IC2IE, 2019, pp. 87–92.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
