Pengenalan Wajah dengan Algoritma Backpropagation Berdasarkan Transformasi Wavelet Diskrit

Abstract

Pengenalan wajah menjadi alternatif dalam berbagai bidang yang membutuhkan identifikasi seseorang. Wajah merupakan identifikasi biometrik karena merupakan bagian langsung dari tubuh manusia yang tidak mudah untuk dicuri atau diduplikasi. Dalam penelitian kali ini, Pengenalan wajah dilakukan menggunakan Algoritma Backpropagation dalam tahap klasifikasi. Dalam tahap pengambilan data, tidak semua citra yang diperoleh memiliki kualitas yang baik. Hal ini disebabkan oleh beberapa faktor, diantaranya yaitu faktor pencahayaan, kondisi objek maupun kamera yang digunakan. Sehingga perlu dilakukan proses pengolahan citra digital terlebih dahulu sebelum dilanjutkan ke tahap pengenalan. Pengolahan citra digital sendiri bertujuan untuk memperbaiki kualitas citra sehingga diperoleh citra dengan kualitas lebih baik dibandingkan dengan citra awal. Terdapat beberapa langkah dalam pengolahan citra digital yaitu preprosesing dan ekstraksi ciri (Feature extraction). Tujuan dari preprocessing sendiri sangat beragam, diantaranya menghilangkan error (noise), memperjelas fitur (features) data, memperkecil atau memperbesar ukuran data, mengubah citra RGB menjadi gray-scale, binerisasi citra, croping citra dan masih banyak lagi. Pada penelitian kali ini, peneliti akan menggunakan metode gray-scale dan resize dan juga cropping untuk proses preprocessing. Selanjutnya, dalam proses ekstrasi ciri, banyak sekali metode yang dapat diterapkan, salah satunya adalah metode Transformasi Wavelet Diskrit . Transformasi Wavelet Diskrit dilakukan dengan menerapkan proses dekomposisi dengan cara melakukan filtering dengan filter wavelet secara baris (horizontal) lalu diikuti dengan filtering secara kolom (vertikal). Jenis filter wavelet yang digunakan berupa Low Pass Filter dan High Pass Filter. Hasil dari filtering wavelet akan menghasilkan 4 buah sub band yaitu [𝐿𝐿 𝐿𝐻 𝐻𝐿 𝐻𝐻] yang berisi nilai koefisien wavelet. Dalam penelitian ini, dekomposisi Transformasi Wavelet Diskrit dibatasi hanya hingga level 2. Setelah dilakukan ekstraksi ciri, tahap berikutnya dalam pengenalan citra adalah klasifikasi data menggunakan Algoritma Backpropagation. Data yang di pakai sebanyak 200 citra wajah yang akan di bagi dalam 2 tahap yaitu pelatihan (training) dan pengujian (testing). Tahap pelatihan (training) kerjakan dengan menggunakan 150 data citra wajah dengan metode optimasi yang digunakan adalah Gradient Distance atau dalam Matlab disebut ‘traingd’. Sedangkan tahap pengujian (training) menggunakan 50 data citra wajah untuk diuji apakah data tersebut berhasil terkenali sebagai dirinya ataupun tidak. Penelitian ini menunjukkan hasil bahwa Algoritma Backpropagation yang dibantu dengan metode Transformasi Wavelet Diskrit (TWD) pada tahap ekstrasi ciri dapat digunakan untuk mengenali citra wajah dengan tingkat akurasi 100% pada tahap pelatihan dan juga memperoleh akurasi 99% pada tahap pengujian.