FEATURE EXTRACTION UNTUK KLASIFIKASI PENGENALAN WAJAH MENGGUNAKAN SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR

Abstract

Feature Extraction adalah teknik pengambilan ciri / feature dari suatu bentuk yang nantinya nilai yang didapatkan akan dianalisis untuk proses selanjutnya. Klasifikasi adalah proses untuk menyatakan suatu objek ke dalam salah satu kategori yang sudah didefinisikan sebelumnya. Dalam penelitian ini membahas tentang pengambilan ciri dari suatu feature dengan dataset yang berisi kumpulan foto wajah yang akan digunakan untuk klasifikasi pengenalan wajah pria atau wanita. Dataset yang digunakan merupakan global dataset yang diambil dari “http://www.cs.umass.edu/lfw“. Dari Feature Extraction yang dilakukan diperoleh 6 atribut independent dan 1 atribut dependent. Tujuan dari penelitian ini adalah untuk membandingkan performance dari 2 algoritma yaitu Support Vector Machine dan k-Nearest Neighbor. Dari percobaan yang sudah dilakukan menunjukkan nilai rata-rata akurasi dari Support Vector Machine sebesar 88.13% sedangkan nilai rata-rata akurasi dari k-Nearest Neighbor sebesar 84.40%.