ix
ABSTRAK
Wajah merupakan suatu identitas untuk mengenali seseorang, setiap orang dapat mengenali wajah dengan baik dan dapat membedakan setiap wajah yang telah dikenali sebelumnya dalam keadaan apapun, hal ini sangat mudah dilakukan dikarenakan manusia merupakan ciptaan Tuhan Yang Maha Esa, namun apakah sebuah sistem komputer dapat melakukan hal yang sama seperti manusia, pasti ditemukan pada sistem tersebut berbagai macam permasalahan, hal inilah yang harus dipelajari dan dikembangkan. Salah satu cara untuk mengidentifikasi citra wajah adalah dengan melakukan ekstraksi fitur diantaranya Ekstraksi Fitur Ciri Orde Satu (Statistik Fitur) dan Ekstraksi Fitur Ciri Orde Dua (Feature Haralic) dan juga DCT (Discrete Cosine Transform). Oleh karena itu perlu dilakukan analisa kinerja terhadap ketiga metode tersebut dengan cara menentukan mana yang memiliki nilai yang lebih baik dalam pengenalan pola citra wajah, Objek citra yang akan dikenali adalah objek citra wajah dengan jumlah sample sebanyak 1400 citra wajah dengan tujuh kategori yaitu citra wajah dengan orientasi 45°,30°,15°kekiri, 0° dan 45°,30°,15°kekanan. tahapan yang akan dilakukan pertama adalah melakukan proses grayscale dan dilanjutkan dengan kinerja ekstraksi fitur, yaitu kinerja Statistik Fitur (Ciri Orde Satu) dengan tingkat keakuratan sebesar 65.54%,, Kinerja Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 50.89%, Kinerja kombinasi antara Statistik Fitur (Ciri Orde Satu) dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 72,50%, Kinerja kombinasi Discrete Cosine Transform (DCT) dengan Statistik Fitur (Ciri Orde Satu) dengan tingkat keakuratan sebesar 7.14%,, Kinerja kombinasi Discrete Cosine Transform (DCT) dengan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 11,61% dan Kinerja Kombinasi Discrete Cosine Transform (DCT) dengan
Statistik Fitur (Ciri Orde Satu) dan Feature Haralic (Ciri Orde Dua) dengan tingkat keakuratan sebesar 6,79%.
Kata Kunci : Wajah, Ciri Orde Satu (Statistik Fitur), Ciri Orde Dua (Feature Haralic), DCT (Discrete Cosine Transform)
x
COMBINATION OF STATISTIC FEATURE, FEATURE HARALIC AND DISCRETE COSINE TRANSFORM ON
FACE PATTERN RECOGNITION
ABSTRACT
Face is an identity to recognize a person, everyone can recognize faces well and can distinguish individual faces that had been identified previously in any circumstances, it is very easy to do because human beings are creatures of God Almighty, but however a computer system can do the same as humans, is sure found in such systems a wide range of issues, the matters to be studied and developed. The way to identify the face image is conducted by extracting features including Feature Extraction Order One (Statistic Feature) and the Order of Double Feature Extraction (Feature Haralic) and DCT (Discrete Cosine Transform). It is very necessary ordering to analyze the performance of the three methods by determining which one has the better value in pattern recognition face image, object image to be recognized is the object of the face image with the number of a sample of 1400 images with seven categories: face image with orientation 45 °, 30 °, 15 ° left, 0 ° and 45 °, 30 °, 15 ° to right. The first stage will be carried out is the process grayscale and continued with the performance of feature extraction, the performance statistics feature (Feature Order One) with a level of accuracy of 65.54% ,, Performance Haralic Feature (Feature Order Two) with the level of accuracy of 50.89%, a combination of Performance between Statistics feature (feature Order One) with Haralic feature (feature Order Two) with the level of accuracy of 72.50%, a combination of performance Discrete Cosine Transform (DCT) with Statistics feature (feature Order One) with a level of accuracy of 7:14%, performance combination Discrete Cosine Transform (DCT) with Haralic feature (feature Order Two) with the level of accuracy of 11.61% and combined performance Discrete Cosine Transform (DCT) with Statistics feature (feature Order One) and Haralic feature (feature Order Two) with level accuracy of 6.79%.
Keywords: Face, Statistic Feature, Feature Haralic, DCT (Discrete Cosine Transform)
