Sistem Biometrik Pengenalan Wajah dengan Metode Grey Level Co-Occurrence Matrix dan Support Vector Machine

Adhitiyah Redaya Kusuma Bhakti, Abduh Riski, Ahmad Kamsyakawuni

Abstract

Abstrak

Teknologi biometrik wajah dikembangkan untuk mengenali seseorang secara unik. Pada penelitian ini biometrik diaplikasikan pada aplikasi pengenalan wajah dengan citra wajah manusia sebagai objeknya menggunakan metode Grey Level Co-Occurrence Matrix dan Support Vector Machine. Metode GLCM merupakan metode yang digunakan untuk proses ekstraksi fitur citra. Sedangkan SVM digunakan untuk proses pengenalan/identifikasi. Tujuan dari penelitian ini adalah mendapat hasil akurasi yang baik untuk pengenalan wajah melalui kedua metode yang digunakan. Hasil yang diperoleh dari penelitian ini adalah akurasi pada data pelatihan sebesar 93% dengan total 200 citra wajah. Sedangkan pada data pengujian diperoleh akurasi sebesar 90% untuk 50 citra wajah.

===================================================

Abstract

Facial biometric technology was developed to uniquely recognize a person. In this research, biometrics was applied to face recognition applications with human face images as objects using the Gray Level Co-Occurrence Matrix and Support Vector Machine methods. The GLCM is a method used for the image feature extraction process. While SVM is used for the identification process. The purpose of this research is to get good accuracy results for face recognition through the two methods used. The results obtained from this research are the accuracy of the training data by 93% with a total of 200 face images. While the test data obtained an accuracy of 90% for 50 face images.

Keywords

biometric, face, accuracy, GLCM, SVM

Full Text:

PDF

References

[1] S. Bahri, K. Saddami, F. Arnia, and K. Muchtar, “Perbandingan Kinerja Support Vector Machine (SVM) Dalam Mengenali Wajah Menggunakan SURF DAN GLCM,” vol. 8, no. 2, pp. 65–74, 2019.

[2] A. M. N. Pk, X. Ding, and T. Page, “An Integrated Approach for Face Recognition Using Multi-class SVM,” 2020, pp. 398–402.

[3] M. S. Casseem, S. Baichoo, and M. H.-M. Khan, “Convolutional Autoencoder versus Common Dimensionality Reduction Algorithms for Face Recognition,” 2023, pp. 191–194.

[4] P. Reddy and G. Uganya, “Comparative Analysis of Accuracy of Face Recognition System Using CNN and SVM,” 2022, pp. 1–5.

[5] M. S. and G. Ramkumar, “Smart Face Detection and Recognition in Illumination Invariant Images using AlexNet CNN Compare Accuracy with SVM,” 2022, pp. 572–575.

[6] A. Kadir, and A. Susanto, “Teori dan Aplikasi Pengolahan Citra”, Yogyakarta : ANDI, 2012.

[7] Ahsanul, “Pengenalan Wajah Dengan Menggunakan Metode Centroid dan Geometric Mean,” Skripsi. Malang: Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim, 2015.

[8] B. F. Devita, H. Bambang, and S. S. Andri, “Klasifikasi Jenis Batuan Sedimen Berdasarkan Tekstur Dengan Metode Grey Level Co-Occurrence Matrix dan K-NN,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 2, pp. 1638-1645, 2017.

[9] E. H. Harahap, L. Muflikhah, and B. Rahayudi, “Implementasi Algoritma Support Vector Machine (SVM) Untuk Penentuan Seleksi Atlet Pencak Silat,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3843-3848, 2018.

[10] E. Nugroho, “BIOMETRIKA Mengenal Sistem Identifikasi Masa Depan”, Yogyakarta : Andi Offsite, 2008.

[11] Neneng, A. Kusworo, R. Rizal, I., “Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM),” J. Sist Inform Bisn., vol. 6, pp. 1-10, 2016.

[12] R. Munawarah, O. Soesanto, and M. R. Faisal, “Penerapan Metode Support Vector Machine,” J. Ilmu Komput., vol. 4, no. 1, pp. 103-113, 2016.

DOI: https://doi.org/10.20961/ijai.v7i2.69069

Refbacks

  • There are currently no refbacks.