Studi Komparasi Ekstraksi Fitur pada Pengenalan Wajah Menggunakan Principal Component Analysis (PCA) dan Wavelet Daubechies

Abstract

Paper ini membahas perbandingan ekstraksi fitur untuk pengenalan wajah menggunakan metode Principal Component Analysis (PCA) dan Wavelet Daubechies untuk pengenalan wajah . Basis wavelet daubechies yang digunakan adalah wavelet db2, db4, dan db8. Setiap dekomposisi dilakukan hingga  level  ke-3 yang kemudian diambil fitur aproksimasi wavelet dan fitur statistik wavelet. Variasi nilai komponen utama dimulai dari nilai komponen ke-1 hingga nilai komponen ke-100 dari 4096 nilai eigen. Nilai komponen ke-1 memiliki presentase sebesar 62% sedangkan nilai komponen ke-100 memiliki presentase sebesar 99% dari total nilai eigen,. Pengujian sistem menggunakan 216 citra wajah yang diambil dari dataset The Japanese Female Facial Expression (JAFFE) yang terdiri dari 10 individu dengan masing-masing sekitar 20 wajah per- individu. Pemilihan data train dan data tes menggunakan cross validation  dengan rata-rata akurasi 94.42%.  Dari hasil percobaan menggunakan Random Forest Classifier diperoleh tingkat pengenalan tertinggi untuk ekstraksi menggunakan PCA sebesar 100% pada variasi data 95% ,sedangkan tingkat pengenalan tertinggi untuk ekstraksi menggunakan Wavelet Daubechies sebesar  98.611% pada wavelet db2 menggunakan fitur aproksimasi wavelet.