Kombinasi Jaringan Learning Vector Quantization Dan Normalized Cross Correlation Pada Pengenalan Wajah

Abstract

Pengenalan wajah merupakan cara yang dilakukan untuk mengidentifikasi wajah berdasarkan nilai ciri yang terdapat pada citra wajah dan dapat diterapkan di dalam berbagai sistem, seperti absensi, akses keamanan ruangan dan login aplikasi atau perangkat. Salah satu algoritma untuk pengenalan wajah adalah LVQ (learning vector quantization), tetapi dalam pemilihan bobot awal yang kurang tepat dapat berdampak pada penurunan kinerja algoritma tersebut, sehingga hasil dari pengenalan wajah kurang akurat. Permasalahan ini dapat diselesaikan dengan penentuan bobot awal yang tepat dengan metode tertentu. Bobot yang dipilih pada penelitian ini berdasarkan kemiripan citra, salah satu metode untuk mengukur kemiripan adalah NCC (Normalized Cross Correlation). Penelitian ini akan dilakukan dengan mengkombinasi jaringan LVQ dengan menggunakan NCC dalam penentuan bobot awal untuk pengenalan wajah. Hasil pengujian yang diperoleh dengan kombinasi kedua metode tersebut untuk pengenalan wajah sebesar 94%.

Penerapan Biometric Face Recognition Menggunakan Metode Convolutional Neural Network Pada Aplikasi Berbasis Android

“…Jaringan syaraf tiruan (JST) merupakan sebuah sistem pemrosesan informasi yang mengadaptasi karakteristik jaringan syaraf biologi manusia [5]. Terdapat banyak varian JST seperti CNN [6], Backpropagation [7], Perceptron [8], Learning Vector Quantization [9] dll. Varian JST yang dapat diterapkan pada face recognition antara lain Backpropagation dan CNN, peneliti memilih CNN dikarenakan arsitektur CNN lebih sederhana sehingga prosesnya lebih ringan dan penerapannya pada aplikasi android lebih mudah serta hasil yang lebih akurat dan efisien [10].…”