Penerapan Metode Euclidean pada Pengenalan Wajah Siswa Taman Kanak-Kanak
Abstract
Pengenalan wajah merupakan tugas yang mudah bagi manusia. Seseorang dapat mengenali, mengingat, dan membedakan wajah orang hanya dengan ekpresi yang dilihat. Sedangkan pada komputer, mengenali wajah membutuhkan proses khusus seperti mengubah citra menjadi keabuan atau grayscale, lalu mengubah citra grayscale menjadi citra biner dan menghitung jarak kedua citra training dan citra testing. Citra input yang digunakan pada penelitian ini diubah kedalam bentuk grayscale untuk mempermudah langkah selanjutnya yaitu tresholding, yang merupakan proses pengubahan citra grayscale kedalam citra biner. Citra biner dari data uji yang diperoleh dari proses tresholding akan dibandingkan dengan citra biner dari data latih dengan menggunakan metode Euclidean. Penelitiam ini menggunakan metode Euclidean sebagai metode untuk menganalisis dan memecahkan masalah. Metode ini merupakan perhitungan untuk pencarian kedekatan nilai jarak dari dua variabel. Pengujian ini dilakukan dengan data training menggunakan 10 respoden dengan masing-masing 2 citra. Data uji menggunakan 10 responden dengan masing-masing 2 citra. Penelitian pengenalan wajah menggunakan Euclidean mendapatkan hasil akurasi sebesar 100%. Penentuan kecocokan citra dilihat berdasarkan hasil dari nilai terkecil dari citra yang diujikan terhadap data training. Nilai-nilai tersebut didapatkan berdasarkan kriteria yang digunakan pada penelitian ini yaitu tresholding. Berdasarkan hasil tersebut dapat disimpulkan bahwa metode Euclidean layak untuk digunakan pada penelitian pengenalan wajah.
References
[2] M. R. Wankhade and N. M. Wagdarikar, “Feature Extraction of Edge Detected Images,” Int. J. Comput. Sci. Mob. Comput., vol. 6, no. 6, pp. 336–345, 2017.
[3] Lia Farokhah, “Implementasi Convolutional Neural Network untuk Klasifikasi Variasi Intensitas Emosi pada Dynamic Image Sequence,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 6, pp. 1070–1076, 2020, doi: 10.29207/resti.v4i6.2644.
[4] S. Li and W. Deng, “Deep Facial Expression Recognition: A Survey,” IEEE Trans. Affect. Comput., pp. 1–25, 2020, doi: 10.1109/TAFFC.2020.2981446.
[5] D. Suprianto, R. N. Hasanah, and others, “Sistem Pengenalan Wajah Secara Real-Time dengan Adaboost, Eigenface PCA & MySQL,” J. EECCIS, vol. 7, no. 2, pp. 179–184, 2014.
[6] H. Kurniawan and T. Hidayat, “Perancangan Program Pengenalan Wajah Menggunakan Fungsi Jarak Metode Euclidean Pada Matlab,” Semin. Nas. Apl. Teknol. Inf. 2008 (SNATI 2008) Yogyakarta, 21 Juni 2008, vol. Vol 1, no. Snati, pp. 15–18, 2008.
[7] S. Helmiyah et al., “Identification Emotion Recognition Using Lpc Extraction Feature,” vol. 7, no. 6, 2020, doi: 10.25126/jtiik.202072693.
[8] D. I. S. Saputra, R. A. Pamungkas, K. A. N. Ramadhan, and W. S. Anjar, “Pelacakan Dan Deteksi Wajah Menggunakan Video Langsung Pada Webcam,” Telematika, vol. 10, no. 1, pp. 50–59, 2017.
[9] M. Zairi, T. Boujiha, and A. Ouelli, “Improved JPEG image watermarking in data compression domain using block selection strategy,” EAI Endorsed Trans. Internet Things, vol. 6, no. 24, p. 168690, 2021, doi: 10.4108/eai.8-2-2021.168690.
[10] I. Riadi, A. Fadlil, and T. Sari, “Image Forensic for detecting Splicing Image with Distance Function,” Int. J. Comput. Appl., vol. 169, no. 5, pp. 6–10, 2017, doi: 10.5120/ijca2017914729.
[11] S. Battiato, O. Giudice, F. Guarnera, and G. Puglisi, “Estimating Previous Quantization Factors on Multiple JPEG Compressed Images,” Eurasip J. Inf. Secur., vol. 2021, no. 1, 2021, doi: 10.1186/s13635-021-00120-7.
[12] N. W. Pratiwi, F. Fauziah, S. Andryana, and A. Gunaryati, “Deteksi Wajah Menggunakan Hidden Markov Model (HMM) Berbasis Matlab,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 3, no. 1, p. 44, 2018, doi: 10.30998/string.v3i1.2538.
[13] F. Rahmah, “Perancangan Sistem Identifikasi Tipe Sidik Jari Manusia Menggunakan Matlab,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 2, p. 190, 2021, doi: 10.30998/string.v6i2.11373.
[14] M. Hendriani, Rais, and L. Handayani, “Penerapan Artificial Neural Network Terhadap Identifikasi Wajah Menggunakan Metode Backpropagation,” Nat. Sci. J. Sci. Technol., vol. 8, no. 3, pp. 203–208, 2019, doi: 10.22487/25411969.2019.v8.i3.14599.
[15] G. D. Angel and R. Wulanningrum, “Machine Learning untuk Identifikasi Tanda Tangan Menggunakan GLCM dan Euclidean Distance,” Semin. Nas. Inov. Teknol., pp. 297–301, 2020.
[16] I. A. DEWI, A. ZULKARNAIN, and A. A. LESTARI, “Identifikasi Suara Tangisan Bayi menggunakan Metode LPC dan Euclidean Distance,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 6, no. 1, p. 153, 2018, doi: 10.26760/elkomika.v6i1.153.
[17] S. Helmiyah, I. Riadi, R. Umar, A. Hanif, A. Yudhana, and A. Fadlil, “Identifikasi Emosi Manusia Berdasarkan Ucapan Menggunakan Metode Ekstraksi Ciri LPC dan Metode Euclidean Distance,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, p. 1177, 2020, doi: 10.25126/jtiik.2020722693.
[18] C. Suhery and I. Ruslianto, “Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA),” J. Edukasi dan Penelit. Inform., vol. 3, no. 1, p. 9, 2017, doi: 10.26418/jp.v3i1.19792.
[19] D. Nurnaningsih, D. Alamsyah, A. Herdiansah, and A. A. J. Sinlae, “Identifikasi Citra Tanaman Obat Jenis Rimpang dengan Euclidean Distance Berdasarkan Ciri Bentuk dan Tekstur,” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 171–178, 2021, doi: 10.47065/bits.v3i3.1019.
[20] S. Cahyani, R. Wiryasaputra, and R. Gustriansyah, “Identifikasi Huruf Kapital Tulisan Tangan Menggunakan Linear Discriminant Analysis dan Euclidean Distance,” J. Sist. Inf. Bisnis, vol. 8, no. 1, p. 57, 2018, doi: 10.21456/vol8iss1pp57-67.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
JATIS oleh http://jurnal.mdp.ac.id/index.php/jatisi disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
