APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE
EIGENFACE YANG BERBASIS DENGAN SISTEM OPERASI
ANDROID
Mochammad Dimas Prasetiyo Wibowo1) Susijanto Tri Rasmana2) Ira Puspasari3)
Program Studi/Jurusan Sistem Komputer Institut Bisnis dan Informatika Stikom Surabaya
Jl. Raya Kedung Baruk 98 Surabaya, 60298
Email: 1) 14410200016@stikom.edu, 2) susijanto@stikom.edu, 3) ira@stikom.edu
Abstrak: Permasalahan dalam pengenalan wajah ialah banyak orang yang tidak kenal atau belum kenal, tidak dapat perkenalan diri dan menampilkan sebuah nama sebelum kenal, seorang yang belum mengetahui nama, dan lain-lain. Dalam penelitian ini yang dibahas pengenalan wajah yang diterapkan di bidang pengenalan wajah dalam hal identitas wajah. Jenis teknologi yang digunakan dalam pengenalan wajah ialah menggunakan smartphone berbasis Android. Perkembangan dalam pengenalan wajah ini menggunakan aplikasi Android yang dibuat dengan menggunakan software Android Studio dan menerapkan metode yang digunakan untuk bekerja sistem pengenalan wajah ialah metode EigenFace. Hasil penelitian ini terdapat dengan tingkat keberhasilan telah mencapai 76,92%.
Kata kunci: Pengenalan wajah, Android, Smartphone, Eigenface.
Pengenalan wajah yang akan dilakukan dalam komputer ini tidak semudah dengan yang dilakukan oleh manusia. Untuk memproses komputer dalam pengenalan ini mempengaruhi terhadap faktor dari luar maupun dalam. Sistem pengenalan wajah ini menggunakan sistem operasi Android yang bekerja dengan fitur kamera Smartphone untuk mendukung aplikasi pengenalan wajah tersebut.
Pengenalan wajah yang dilakukan pada
smartphone berbasis android dan pembangunan
aplikasi pengenalan wajah ini terdapat menggunakan metode eigenface untuk mengidentitas dan mengklarifikasi pada citra, kemudian hasil perhitungan yang akan menyimpan ke dalam folder untuk pola master akan mencocokan dengan testface (menguji coba wajah). Penulis berharap dapat menghasilkan sistema operasi android pengenalan wajah yang terbaik (Adiwijaya, 2007).
Teknologi biometri sangat banyak aplikasi yang menggunakan sistem pengenalan wajah dengan keamanan tingkat yang tinggi selain pengenalan rentina, pengenalan sidik jari dan iris mata juga. (Pridiono, 2014). Aplikasi terhadap pengenalan wajah tersebut menggunakan metode
eigenface untuk menangkap beberapa wajah yang
tidak kenal kemudian dibanding dengan wajah sebelum yang tersimpan di dalam database yang terhubung dari laptop/komputer ke Smartphone melalui kabel USB. Agar tidak otomatis menghapuskan beberapa training image terhadap pengenalan wajah yang sudah ada di Smartphone tersebut.
METODE
Perancangan tugas akhir ini menggunakan
smartphone yang berbasis sistem operasi Android
dengan perancangan aplikasi pada sistem operasi
Android yang bernama “pengenalan wajah dengan
metode EigenFace”, perancangan tersebut
menggunakan perangkat lunak atau software
Android Studio untuk membuat aplikasi dengan
sistem operasi Android pengenalan wajah ini terdapat dalam beberapa paket dukungan, yaitu
OpenCV, Face Recognition, dan EigenFace Library. Perancangan sistem ini yang dimulai
setelah membuat aplikasi pada sistem operasi
Android pengenalan wajah dengan beberapa paket
dukungan yang sudah diterapkan kemudian aplikasi pada sistem operasi Android pengenalan wajah tersebut akan membuka ke halaman utama pada aplikasi denagn sistem operasi Android, JCONES Vol. 7, No. 1 (2018) 154-161
Journal of Control and Network Systems
Situs Jurnal : http://jurnal.stikom.edu/index.php/jconesetelah itu pada tab menu halaman pengaturan aksurasi (accurate) ada tiga menu, yaitu mengatur nilai Face Threshold, nilai Distance Threshold, dan nilai Maximum Image. Tiga menu dari halaman pengaturan aksurasi akan diuraikan sebagai berikut:
- Nilai Face Threshold untuk mengatur keakuratan wajah yang telah terdeteksi sehingga dapat menampilkan sebuah nama jika aksurasi yang tinggi
- Nilai Distance Threshold untuk mengatur jarak wajah yang telah terdeteksi yang berada di dekat maupun jauh terhadap fitur kamera
smartphone dan juga dapat menampilkan
sebuah nama jika aksurasi yang tinggi
- Nilai Maximum Image untuk menentukan jumlah gambar wajah yang sudah terdeteksi dengan posisi yang berbeda dan juga jarak yang berbeda saat melakukan proses training image. Pada metode EigenFace ini juga bisa bekerja dengan aplikasi pada sistem operasi Android pengenalan wajah yang terdeteksi dan dapat menampilkan sebuah nama dengan gambar wajah yang sudah terdeteksi. Prinsip-prinsip dari pengenalan wajah ialah informasi unik pada wajah yang akan di-encode dan membandingkan yang sebelum melakukan pengenalan wajah. Untuk memproses pengenalan wajah yang menggunakan metode eigenface yaitu dengan menghitung nilai
eigenvector kemudian mempresentasikan dalam matrix dengan ukuran yang besar dan telah
diekstrasi dari training image pengenalan wajah.
Alur prosesnya dilihat pada gambar 1 sebagai berikut :
Algoritma dalam metode eigenface dengan
training image (Γ) yang akan representasikan ke himpunan-himpunan matrix pada training image (Γ1, Γ2,…, ΓM). Kemudian mencari nilai rata-rata
(Ψ) yang terdapat training image yang sudah dihitungkan kemudian menggunakan untuk mengekstrasikan nilai eigenvector (v) dan
eigenvalue (λ) dari sebuah himpunan-himpunan matrix training image. Nilai eigenvector (v) untuk
memperoleh nilai eigenface dari beberapa image tersebut. Apabila sudah ada image yang terbaru atau testface (Γnew) yang dikenali dengan persamaan proses juga melakukan sistem pengenalan wajah untuk melakukan image (Γnew), untuk mengekstrasi nilai eigenvector (v) dan
eigenvalue (λ) ialah harus mencari nilai E
(Eigenface) dari image testface (Γnew). Setelah itu
baru menghasilkan image baru (Γnew).
Algoritma dengan metode eigenface untuk menjelaskan kedua tahapan perhitungan dengan menggunakan metode eigenface, sebagai berikut ini (Turk, Matthew dan Alex P.Pentland, 1991):
A. Tahapan yang Pertama ialah Menghitung
Menggunakan Metode Eigenface
1. Langkah pertama adalah mempersiapkan
data-data dengan suatu himpunan S terdiri
dari seluruh training image (Γ1, Γ2, …, ΓM).
S = (Γ1, Γ2,…, ΓM) (1)
Untuk mempersiapkan data dengan membuat suatu himpunan (S) yang terdiri dari seluruh
training image.
B. Tahapan yang Pertama ialah Menghitung
Menggunakan Metode Eigenface
2. Langkah pertama adalah mempersiapkan
data-data dengan suatu himpunan S terdiri
dari seluruh training image (Γ1, Γ2, …, ΓM).
S = (Γ1, Γ2,…, ΓM) (1)
Untuk mempersiapkan data dengan membuat suatu himpunan (S) yang terdiri dari seluruh
training image.
3. Langkah kedua adalah mengambil nilai yang paling tengah atau mean (Ψ).
Ψ = 1 M∑ 𝚪𝐧
𝑀
𝑛=1
(2)
mengambil data nilai tengah (Ψ ) untuk mencari jumlah Image (M)
4. Langkah ketiga ialah mencari selisih (Ф) antara training image (Γi) dengan nilai yang paling tengah (Ψ).
Φ𝑖= Γ𝑖− Ψ (3)
mencari nilai selisih (Фi) antara training
image (Γi) dengan nilai yang paling tengah
(Ψ) apabila nilai yang sudah ditemukan nilainya dibawah nol maka tetap sama dengan bernilai nol.
5. Langkah keempat ialah menghitung nilai dalam matrix Covariant (C).
T 𝐶 = 1 𝑀 ∑ Φ𝑛 𝑀 𝑛=1 (4) Dimana Φ𝑛= 𝐴𝐴𝑇 dan 𝐴 = [Φ1, Φ2, … , Φ𝑀]. Misal : 𝐶 = 1 𝑀 ∑ [(Φ1. Φ1 𝑇) + 𝑀 𝑛=1 (Φ2. Φ2𝑇) + ⋯ + (Φ𝑛. Φ𝑛𝑇)] 𝐿 = 𝐴𝑇𝐴 𝐿 = Φ 𝑛Φ𝑚 (5) Misal : 𝐿 = Φ𝑛𝑇. Φ𝑚.
menghitung nilai matrix Covariant (C) dengan mencari jumlah image (M) dan hasil nilai selisih (Фi).
6. Langkah kelima menghitung eigenvalue (λ) dan eigenvector (v) dari matriks kovarian (C). 𝐶 𝑥 𝑣𝑖= 𝜆𝑖 𝑥 𝑣𝑖 (6)
Dimana variabel pada vektor (v) ialah
eigenvector dari matrix dengan variabel M
dan λ disebut eigenvalue (λ) Terdapat i buah dari variable (v) dan (λ) dalam sebuah i x i matriks. Hubungan dengan variable (v) dan (λ) pada suatu matrix digambarkan oleh persamaan.
7. Langkah keenam ialah setelah nilai
eigenvector (v) dapat diperoleh, maka eigenface (μ) dapat dilakukan dengan:
𝜇𝑖= ∑ 𝑣𝑙𝑘 𝑀
𝑘=1
Φ𝑘 (7)
𝑙 = 1, … , 𝑀 (8)
Setelah terdapat nilai eigenvector (v) yang diperoleh, maka mencari nilai eigenface (μ) antara hasil nilai selisih (Фi) dengan hasil nilai
eigenvector (v).
C. Tahapan Pengenalan
1. Suatu gambar wajah yang terbaru atau dengan
testface (Γnew) akan dicoba untuk
diperkenalkan, selanjutnya pertama yang akan menerapkan cara perhitungan eigenface untuk mendapatkan nilai eigenface dari gambar wajah tersebut.
𝜇𝑛𝑒𝑤= 𝑣 . (Γ𝑛𝑒𝑤− Ψ) (9)
Ω = [𝜇1, 𝜇2𝜇,… , 𝜇𝑛] (10)
Menggunakan metode Euclidean Distance untuk menentukan jarak (distance)
dari titik yang tepat ke titik yang lain dengan garis yang terpendek sehingga memperoleh nilai eigenface dari training image dalam
database dengan metode eigenface
dari image test face.
𝜀 = ||Ω − Ω𝑘|| (11)
Rancangan Sistem
Gambar 2. Blok Diagram Sistem Pengenalan Wajah Berbasis Android
Keterangan diatas sebagai berikut :
a. Apabila aplikasi pengenalan wajah yang telah dibuat dari software android studio dengan menggunakan metode EigenFace dan Bahasa pemrograman java atau Bahasa C++, maka menjalankan kamera smartphone untuk mendeteksi pengenalan wajah di aplikasi tersebut
b. Apabila aplikasi pengenalan wajah yang sudah terdeteksi maka hasil pengenalan wajah yang akan menyimpan file ke simpan data pengenalan wajah
Flowchart Algoritma EigenFace
Hal ini menjelaskan berdasarkan keterangan diatas sebagai berikut:
1.) Inisialisasi start untuk memulai awal sebelum melakukan menjalankan aplikasi android 2.) Mengecek kondisi kamera pada smartphone
apakah fitur kamera tersebut bekerja agar bisa menjalankan aplikasi android, kemudian mengambil gambar wajah dari fitur kamera pada smartphone tersebut akan dilanjutkan ke pre prosesing
3.) Preprocessing untuk melakukan proses gambar wajah yang tertangkap kemudian akan diproses dengan menggunakan metode eigenface secara otomatis
4.) Apabila gambar wajah tersebut sudah diproses dengan metode eigenface, maka gambar wajah ini dapat menampilkan sebuah nama
5.) Percocokan terhadap gambar wajah pertama dengan gambar wajah yang lain akan dihasilkan menjadi salah satu gambar wajah tersebut juga dapat menampilkan sebuah nama yang berbeda tiap gambar wajah jika terdeteksi wajah 6.) Gambar wajah yang sudah terdeteksi tersebut
tidak perlu menyimpan database di smartphone, hanya bisa menyimpan database melalui software android studio yang terhubung menggunakan kabel USB agar gambar wajah tersebut secara manual,
7.) Jika smartphone dengan gambar wajah yang terdeteksi dan menampilkan sebuah nama akan otomatis menghapus dan tidak menyimpan database di smartphone karena tidak mendukung fitur database di software android studio.
Flowchart Algoritma EigenFace
Gambar 3. Algoritma Pengenalan Wajah Pada
Smartphone
Smartphone atau disebut juga Telefon seluler
adalah sebuah telefon genggam dengan tingkat kemampuan yang tinggi, penggunaan smartphone yang menyerupai sebuah komputer, banyak orang
yang menggunakan atau memakai smarphone sebagai salah satu komputer dengan fitur genggam yang memiliki beberapa fitur telefon. Fitur
smartphone yang dapat menemukan pada
smartphone antara lain ialah telefon, kamera,
dokumen penting, aplikasi smartphone, dukungan
internet dan banyak lagi fitur smartphone yang
lainnya. Terdapat untuk menambahkan aplikasi pada smartphone layaknya untuk menginstalkan sesuatu aplikasi yang telah di-download dari toko aplikasi atau application store juga.
Sebelum telefon seluler dikenal seperti mengenal adanya telefon seluler dan PDA (
Personal Digital Assistant ), telefon ini berfungsi
untuk ponsel dan SMS sementara PDA ( Personal
Digital Assistant ), fungsi digital pribadi dari ide
pada telefon seluler untuk menggabungkan kedua fungsi pada telefon atau ponsel juga.
Sistem Operasi Android
Sistem operasi Android adalah sistem operasi
Android yang berbasis sistem operasi Linux yang
dirancang untuk software yang menyentuh pada layar seperti telefon pintar dan tablet. Sistem operasi Android awalnya perkembangkan yang dibuat oleh perusahaan Android, Inc., dengan dukungan dari perusahaan Google, kemudian perusahaan Google tersebut sudah dibeli Sistem operasi Android merilis resmi, bersamaan dengan
Hardware, Software, dan Communication yang
bertujuan untuk standarlisasi terbuka perangkat telefon seluler dengan mendukung sistem operasi
Android pertama yang mulai dijual pada tahun
2008.
Antarmuka penggunaan sistem operasi
Android menggunakan gerakan layar sentuh
dengan nyata, misalnya mengetuk, dan menekan pada layar sentuh untuk memanipulasi beberapa
object di layar, sehingga visualisasi papan ketik
untuk tulisan teks pada sistem operasi android tersebut. Selain itu perangkat lunak yang mendukung layar sentuh, Google yang akan mengembangkan sebuah perangkat keras TV
(Television) yang mendukung sistem operasi Android, Auto atau otomotif mobil juga mendukung sistem operasi Android , dan jam tangan juga mendukung sistem operasi Android, masing-masingnya memiliki antarmuka penggunaan yang berbeda. Variasi dari sistem operasi Android juga menggunakan pada fitur konsol permainan atau Game Console, fitur kamera
digital, dan lain-lainnya.
Sistem operasi Android ialah sistem operasi yang bersumber terbuka, dan Google meriliskan kode di bawah Lisensi Apache. Lisensi izin pada
sistem operasi Android dengan Software untuk memodifikasi secara free dan mendistribusi oleh para penemuan perangkat lunak, operasi jaringan nirkabel, dan pengembangan aplikasi dalam sistem operasi android. Selain itu, sistem operasi Android memiliki beberapa komunitas pengembangan aplikasi (apps) yang memperluaskan fungsi pada perangkat lunak, dalam versi kustomisasi yang mendukung bahasa pemrograman Java.
Faktor dari sistem operasi Android telah melakukan perkembangan sistem operasi Android, sebagai salah satu utama pada sistem operasi
Android dengan telefon seluler yang terbanyak
digunakan di dunia nyata, mengalahkan dengan sistem operasi Symbian. Sistem operasi Android ini menjadikan sebagai pilihan perusahaan-perusahaan teknologi yang sudah membuat sistem operasi perangkat lunak dengan berbiaya yang terbilang rendah, bisa dimodifikasikan, dan ringan untuk
Software dengan teknologi yang tertinggi tidak
perlu mengembangkannya dari sebelumnya. Sifat dari sistem operasi Android yang bersifat terbuka akan mendorongan muncul beberapa besar komunitas pengembangan aplikasi yang mendukung sistem operasi Android untuk menggunakan sumber yang terbuka sebagai dasar proyek pembuatan sebuah application.
Software Android Studio
Software Android Studio adalah sebuah Software yang menggunakan metode Lingkungan
Pengembangan Terpadu (LPT) atau disebut dengan
Integrated Development Environment (IDE) untuk
pengembangan aplikasi dalam sistem operasi
Android, ini bekerja dengan IntelliJ IDEA. Ialah
editisasi dengan dukungan IntelliJ dan alat-alat pengembangan yang berguna untuk perangkat lunak Android Studio juga penawaran beberapa fitur yang banyak untuk peningkatkan dan pengembangan dari membuat aplikasi pada sistem operasi Android, sebagai berikut:
a. Gradle yang fleksibel.
b. Fitur simulasi yang cepat dan kaya.
c. Integrasi yang mendukung pengembangan semua perangkat lunak sistem operasi Android. d. Instant Run untuk mempercepat perubahan ke aplikasi yang berjalan tanpa membuat sebuah file yang berektensi .apk yang terbaru.
e. Template dan integrasi dari situs GitHub untuk membuat beberapa fitur aplikasi yang telah dibuat dan mengimporkan beberapa bagian kode yang terdapat dari situs tersebut.
f. Alat pengujian yang sangat simple.
g. Lintasan untuk meningkatkan kinerja, efektivitas, kompatible versi yang berbeda, dan masalah-masalah lain yang terpecahkan. h. Mendukungan bahasa pemrograman C++ dan
NDK.
i. Mendukungan antarmuka untuk GCP,
mempermudahkan integrase dari GCM dan mesin pembuatan aplikasi ialah App Engine Struktur Proyek pada Software Android Studio
Setiap proyek di Software Android Studio yang berisi beberapa module dengan sumber kode dari file. Jenis-jenis modul pada software Android
Studio yang mencakup:
a. Modul aplikasi Android
b. Modul dari Pustaka Aplikasi Android c. Modul untuk GAE (Google Apps Engine)
Software Android Studio yang akan menampilkan proyek pada sistem operasi Android, aplikasi yang disusun dengan module untuk memberi fasilitas akses cepat ke file proyek dari sumber utama yang didapatkan dari Software
Android Studio
Semua file-file yang dilihat pada bagian atas maupun bagian bawah skrip dari Gradle Scripts dan modul aplikasi Android yang berisi dari beberapa folder, sebagai berikut:
a. Manifests ialah aplikasi yang berisi file
AndroidManifest.xml.
b. Java ialah berisi file sumber bahasa pemrograman Java, termasuk kode pengujian
JUnit.
c. Res ialah berisi semua sumber daya kode, seperti menatakan letak dengan XML,
mendesain string UI, dan gambar yang menggunakan bitmap(.BMP).
Sistem Perancangan pada Aplikasi dengan Sistem Operasi Android
Sistem deteksi wajah dengan cara yaitu pada posisi gambar wajah yang tampak depan atau secara fontal dan jarak terhadap wajah yang agak dekat agar mudah terdeteksi wajah sebelum mengisi sebuah nama yang akan disimpan di daftar isi nama untuk mengenali sebuah nama cocok dengan gambar wajah yang terdeteksi.
Gambar 4. Tampilan Deteksi Wajah Pengenalan Wajah
Sistem pengenalan wajah yang sudah dikenali dengan cara yaitu jika gambar wajah yang sudah terdeteksi kemudian mengisi sebuah nama yang diinginkan, setelah terisi sebuah nama setiap gambar wajah yang terdeteksi terus nama yang akan disimpan di daftar isi nama untuk mengenali sebuah nama yang cocok dengan gambar wajah yang terdeteksi.
Gambar 5. Tampilan Pengenalan Wajah
HASIL DAN PEMBAHASAN
Pengujian Deteksi Wajah Menggunakan Metode EigenFace
Hal ini pengujian deteksi wajah menggunakan aplikasi android untuk melakukan proses algoritma
principal component analysis (PCA) ialah untuk
memperesentasikan citra dalam gabungan setiap gambar vector yang dijadikan satu matriks tunggal sehingga akan membedakan antara citra wajah satu dengan citra yang lain.
Prosedur Pengujian Deteksi wajah
Prosedur pengujian ini terdapat empat bagian yaitu:
1.) Pengujian deteksi wajah dalam beberapa sudut pandang.
2.) Pengujian aksesoris tambahan ialah pengujian ini akan diuji apakah sistem dapat mendeteksi wajah apabila memakai aksesoris tambahan
Hasil Pengujian Pengenalan Wajah
Pengujian Deteksi Wajah dalam Beberapa Sudut Pandang
Sudut pandang pada posisi ke kanan dengan hasil pengujian deteksi wajah dijelaskan bahwa pengujian sudut 0°, 30°, dan 45° berhasil terdeteksi karena terdapat menampilkan sebuah nama dibawah daftar isi label pada aplikasi android, sedangkan pengujian sudut 15° gagal karena tidak dapat menampilkan nama
Sudut pandang pada posisi ke kiri dengan hasil pengujian deteksi wajah dijelaskan bahwa pengujian sudut 0°, dan 30° berhasil terdeteksi karena terdapat menampilkan sebuah nama dibawah daftar isi label pada aplikasi android, sedangkan pengujian sudut 15°, dan 45° gagal karena tidak dapat menampilkan nama.
Sudut pandang pada posisi ke atas dengan hasil pengujian deteksi wajah dijelaskan bahwa pengujian sudut 0°, 15°, 30°, dan 45° berhasil terdeteksi karena terdapat menampilkan sebuah nama dibawah daftar isi label pada aplikasi android, sedangkan tidak ada gagal dalam pengujian sudut.
Sudut pandang pada posisi ke bawah dengan hasil pengujian deteksi wajah dijelaskan bahwa pengujian sudut 0°, 15°, 30°, dan 45° berhasil terdeteksi karena terdapat menampilkan sebuah nama dibawah daftar isi label pada aplikasi android, sedangkan tidak ada gagal dalam pengujian sudut. Pengujian Aksesoris Tambahan
Pengujian aksesories tambahan pada wajah dengan menggunakan kacamata dan tanpa menggunakan kacamata sudah berhasil terdeteksi wajah dan dapat menampilkan nama.
Pengujian aksesories tambahan pada wajah dengan menggunakan topi dan tanpa menggunakan topi sudah berhasil terdeteksi wajah dan dapat menampilkan nama.
Pengujian aksesories tambahan pada wajah dengan menggunakan kacamata & topi dan tanpa menggunakan Kacamata & topi sudah berhasil terdeteksi wajah dan dapat menampilkan nama Hasil Pengujian Pengenalan Wajah
Tabel hasil pengujian pengenalan wajah yang dikenali, dilihat pada tabel 1 dibawah ini sebagai berikut :
Tabel 1. Hasil Pengujian Pengenalan Wajah Nama
Gambar
Dikenali Keterangan Foto Dimas Berhasil
Dikenali
Berhasil Foto Herman Berhasil
Dikenali
Berhasil Foto Bagus Berhasil
Dikenali
Berhasil Foto Erlian Berhasil
Dikenali
Berhasil
Dari Hasil Pengujian diatas, sudah berhasil mendeteksi wajah dan pengenalan wajah yang terdeteksi dapat menampilkan sebuah nama dengan pengaturan keakuratan yang sangat tinggi (nilai
Face Threshold, dan nilai Distance Threshold juga
tinggi)
SIMPULAN
Pengenalan wajah ini mampu mendeteksi wajah dengan posisi yang tampak fontal ( tampak depan) dengan memakai background atau tanpa background juga bisa menampilkan sebuah nama setiap gambar wajah yang berbeda atau memakai aksesoris yang berbeda. Untuk mengatur keakuratan wajah yang sangat jelas dan tinggi yaitu dengan nilai Face Threshold maksimum 499 (500) dan nilai Distance Threshold maksimum 499 (500) dan jumlah gambar wajah maksimum 25 gambar.
Tingkat keberhasilan pengujian akhir dari pengujian keseluruhan yang telah didapatkan sejumlah 10 gambar wajah yang terdeteksi dan dapat menampilkan sebuah nama setiap gambar yang berbeda sedangkan 3 gambar wajah yang gagal karena sangat berbeda dengan gambar lain, maka jumlah keseluruhan tingkat keberhasilan ialah 10/13 X 100%= 76,92%.
DAFTAR PUSTAKA
Adiwijaya, 2007. Halaman Dokumentasi
Teknologi Pengenalan
https://adiwijaya.staff.telkomuniversity.ac.id/ publications/repository/. Diakses pada tahun 2007.
Admin Repo UGM. Pengenalan Wajah dengan
Metode Eigenface.
https://repository.ugm.ac.id/28993/. Diakses pada tanggal 18 Juni 2014
Burga. 2013. PCA, Eigenface and All That. http://bugra.github.io/work/notes/2013-07-27/PCA-EigenFace-And-All-That/. Diakses pada tanggal 27 Juli 2013
Davidk. 2017. Mengenal apa itu Android Studio?. http://teknologimodern.com/mengenal-apa-itu-android-studio/. Diakses pada tanggal 4 Oktober 2017.
Developer, Android. 2018. Mengenal Android Studio.
https://developer.android.com/studio/intro/?h l=id. Diakses pada tanggal 25 April 2018 Hermawati, F. A. 2013. Pengolahan Citra Digital.
Yogyakarta: Penerbit Andi.
Indra. 2012. Sistem Pengenalan Wajah Dengan Metode Eigenface Untuk Absensi Pada PT. florindo lestari. Jakarta: Universitas Budi Luhur.
Jubilee. 2005. Mengenal Dasar-Dasar Pemrograman. Jakarta: Gramediana.
Jung, K. and Kim, H.J., 2002, Face Recognition Using Kernel Principal Component Analysis, IEEE Signal Processing Letters, Volume: 9 , Issue: 2, 40 – 42.
Lyon, Douglash., Vincent. N. 2009. Interactive Embedded Face Recognition. Object Technology 8:23-25
Pridiono. 2014. Tentang Teknologi Pengenalan Wajah.http://www.umboh.org/2011/12/tenta ng-teknologi-pengenalan-wajah.html