Dokumen ini membahas sistem pengenalan wajah real-time menggunakan metode eigenface, meliputi proses pelatihan dan pengenalan citra. Hasil pengujian menunjukkan tingkat keberhasilan pengenalan wajah mencapai rata-rata 48,33% dengan pengaruh faktor pencahayaan dan jarak wajah terhadap webcam. Pengenalan wajah memiliki aplikasi penting di berbagai bidang seperti biometrik, keamanan, dan interaksi manusia.

1. Sistem Pengenalan Wajah Secara Real Time
dengan Metode Eigenface

2. Meet Our Team
Deisna
Rahmaningtyas
Indah
Maulidia T.
M. Miftah
Al Rasyid
O.
Ginanjar
Riva
Farabi
Zahra
Solihah
PENDAHULUAN FACE RECOGNATION SOFTWARE HARDWARE

3. Meet Our Team
Dr. Setiawan Hadi, M.Sc.CS.
PENDAHULUAN FACE RECOGNATION SOFTWARE HARDWARE

4. Latar Belakang
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Wajah merupakan fitur pembeda
yang sering digunakan sebagai kunci
untuk mengenal identitas seseorang [1]
[1] Prakash N, Kalavdekar. 2010. Face Detection Using
Neural Network. International Journal of Computer
Applications (0975 - 8887) Volume 1 . No. 16 2010.

5. Latar Belakang
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Berbagai aplikasi di bidang biometrics, penegakan
hukum, sistem keamanan dan pengawasan atau
pemantauan (Surveillance), mesin absensi, kontrol akses,
interaksi manusia dan mesin, smart card dan
pengawasan sistem.

6. Face Recognition
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pada proses pengenalan citra wajah ada beberapa metode yang
dikembangkan. Metode yang paling sederhana mengenai pengenalan
wajah adalah mengubah citra wajah menjadi vektor matriks

7. Face Recognition
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Secara umum proses pengenalan wajah terdiri dari dua proses utama
yaitu, proses pelatihan citra dan proses pengenalan citra.

8. Face Recognition
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pelatihan Citra

9. Face Recognition
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pengenalan Citra

10. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE

11. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
1. Tahap 1: Penyusunan Flatvector matriks citra
Menyusun seluruh training image menjadi 1 matrix tunggal

12. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Contoh dibawah ini mengunakan empat wajah citra yang telah diubah menjadi matrix,
lalu matrix tersebut diubah kedalam bentuk rataan FlatVector.

13. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
2. Tahap 2: Hitung Rataan FlatVector
Dari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh matrix
berukuran 1 x (H x W).

14. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
3. Tahap 3: Hitung Rataan FlatVector
Dari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh matrix
berukuran 1 x (H x W).

15. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
4. Tahap 4: Tentukan Nilai Eigenface

16. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
5. Proses Identifikasi

17. Eigenface
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
5. Proses Identifikasi (cont.)

18. Program
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE

19. Program
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE

20. Program
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE

21. Program
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE

22. Program
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE

23. Hasil Pengujian
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pengujian dilakukan
menggunakan webcam
logitech dengan resolusi 2.0
megapixel yang
dihubungkan dengan
ultrabook i5 dengan RAM
sebesar 2GB RAM dan OS
windows 8
Terdeteksi
Person 1 Person 2 Unknown
Person 1 74 8 18
Person 2 45 55 0
Unknown 14 70 16
Kebeneran Person 1 : 74%
Kebenaran Person 2 : 55 %
Kebenaran Unknown : 16 %
Kebenaran Rataan:
48, 33 %

24. Kesimpulan
PENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Dari hasil perancangan sampai dengan pengujian didapatkan kesimpulan
bahwa :
• Tinggi rendahnya unsur pencahayaan yang berada di sekitar obyek
sangat mempengaruhi proses pendeteksian.
• Jarak antara wajah dengan webcam sangat berpengaruh dalam proses
pendeteksian wajah.
• Menurut hasil pengujian program tingkat keberhasilan pengenalan wajah
menggunakan metode ini sudah cukup baik dengan mencapai rata-rata
kebenaran 48,33 %