Hasil pengujian pada data tunggal : Tabel 4.27. Hasil Pengujian pada data tunggal
Indeks Threshold Set 2
0.05 0.1
8 0.2
28
4.4. Analisis Hasil Pengujian
Sistem pengenalan wajah ini menggunakan threshold untuk membantu sistem dalam menyeleksi apakah data testing merupakan data
yang berada dalam data training atau tidak, serta inputan data testing yang dimasukkan user benar. Sistem ini meminta user memasukkan indeks
threshold, sehingga sistem akan menghitung nilai threshold berdasarkan indeks yang dimasukkan user. Pada penelitian ini akan dilakukan
pengujian dengan indeks threshold bernilai 0.05, 0.1, dan 0.2. Penggunaan threshold memiliki kelebihan dan kekurangan.
Kelebihan menggunakan threshold dalam sistem pengenalan wajah adalah jika nilai indeks threshold yang digunakan tepat, maka sistem dapat
mengetahui apakah data testing yang dimasukkan user benar dan berada dalam database. Contohnya ketika user memasukkan gambar
pemandangan dalam sistem, maka sistem tidak akan mengenali gambar tersebut sebagai mahasiswa TI USD 2013. Karena jika tidak menggunakan
threshold, sistem akan tetap memunculkan luaran output citra data training yang memiliki jarak paling dekat dengan citra pemandangan tersebut
menggunakan Euclidean Distance. Kekurangan menggunakan threshold dalam sistem pengenalan
wajah ini adalah dapat mengurangi akurasi pengenalan dalam sistem. Jika nilai indeks threshold tidak ditentukan secara tepat, maka sistem akan
membuat threshold yang tidak efisien. Karena inputan citra testing yang seharusnya dapat dikenali dan terdapat dalam database, masuk dalam
ambang batas atau melebihi nilai threshold sehingga sistem tidak dapat mengenali citra inputan tersebut. Sehingga mengakibatkan banyak false
pada sistem dan mengurangi akurasi pengenalan sistem. Implementasi dalam penggunaan threshold dapat dilihat pada hasil
pengujian yang digambarkan dalam tabel berikut :
Hasil pengujian pada data pertama : Tabel 4.12. Hasil Pengujian pada data pertama
Indeks Threshold
Set Set 1
Set 2 Set 3
0.05 16
27 7
0.1 42.6667
67 35
0.2 48
69 42
Data pertama merupakan citra wajah 25 mahasiswa sebanyak 275 buah. Setiap mahasiswa memiliki 11 citra wajah dengan ekspresi yang
berbeda. Sehingga pembagian data training dan data testing yaitu 8 buah citra untuk data training, 3 buah citra untuk data testing atau 7 buah citra
untuk data training dan 4 buah citra untuk data testing. Berdasarkan tabel hasil pengujian pada data pertama, set yang
menghasilkan akurasi pengenalan tertinggi adalah set 2 atau pembagian data training citra ke-1-4 citra ke-9-11 dan data testing citra ke-5-8 dengan
menggunakan indeks threshold sebesar 0.2 dan menghasilkan nilai akurasi sebesar 69 .
Hasil pengujian pada data kedua : Tabel 4.23. Hasil Pengujian pada data kedua
Indeks Threshold
Set Set 1
Set 2 Set 3
0.05 28
32.6667 27.3333
0.1 75.3333
85.3333 82.6667
0.2 82
87.3333 86
Data kedua merupakan citra wajah 25 mahasiswa sebanyak 450 buah. Setiap mahasiswa memiliki 18 citra wajah dengan ekspresi yang
berbeda. Sehingga pembagian data training dan data testing yaitu 12 buah citra untuk data training dan 6 buah citra untuk data testing.
Berdasarkan tabel hasil pengujian pada data kedua, set yang menghasilkan akurasi tertinggi juga pada set ke-2 yaitu sebesar 87.3333 .
Dengan kombinasi pembagian antara citra training yaitu citra ke-1-6 citra ke-13-18 dan testing citra ke-7-12 menggunakan indeks threshold sebesar
0.2.
Hasil Pengujian pada data tunggal : Tabel 4.27. Hasil Pengujian pada data tunggal
Indeks Threshold Set 2
0.05 0.1
8 0.2
28
Data tunggal merupakan citra wajah 25 mahasiswa sebanyak 25 buah yang tidak termasuk dalam dataset. Berdasarkan tabel hasil pengujian
pada data tunggal, set yang menghasilkan akurasi tertinggi pada set ke-2 yaitu sebesar 28 menggunakan indeks threshold 0.2.
Jika dibandingkan tabel hasil pengujian pada data pertama dan kedua, data kedua menghasilkan akurasi yang jauh lebih tinggi
dibandingkan dengan data pertama. Hal ini dikarenakan jumlah data citra wajah mahasiswa yang digunakan pada data kedua, lebih banyak daripada
data pertama. Data kedua memiliki 450 buah citra wajah 25 mahasiswa dengan tiap mahasiswanya memiliki 18 citra, sehingga 12 buah citra dapat
digunakan untuk data training dan 6 buah citra untuk data testing. Sedangkan, data pertama hanya memiliki citra wajah 25 mahasiswa
sebanyak 275 buah dengan tiap mahasiswanya memiliki 11 citra, sehingga hanya 6 atau 7 buah citra yang dapat digunakan untuk data training dan 3
buah citra untuk data testing. Sehingga program kurang mengenali atau membedakan satu wajah mahasiswa dengan yang lain, karena ciri-ciri yang
didapatkan atau yang dapat merepresentasikan satu mahasiswa kurang banyak jumlahnya.
Kemudian pada pengujian data tunggal, akurasi yang dihasilkan sangatlah kurang yaitu hanya 28 atau hanya mendeteksi 7 benar dari 25
citra testing. Pengujian tersebut menggunakan set ke-2 dan citra training pada data kedua yang menghasilkan akurasi tertinggi pada penelitian ini.
Namun, hasil akurasi pengenalan untuk data tunggal memang masih sangat kurang. Hal ini dapat disebabkan karena perbedaan waktu dan lokasi saat
mengambil citra untuk data training dan data testing sehingga kondisi cahayanya berbeda.
Hal ini juga dapat dikarenakan gaya atau ekspresi wajah yang digunakan dalam data training dan testing berbeda. Gaya atau ekspresi
wajah yang menghasilkan banyak gerakan pada kepala, menghasilkan akurasi yang lebih rendah. Turk Pentland, 1991 Sistem mampu
menghasilkan akurasi keberhasilan pengenalan rata-rata 95 karena dipengaruhi oleh variasi cahaya, sistem mampu menghasilkan akurasi
keberhasilan pengenalan rata-rata 85 karena dipengaruhi oleh variasi pergerakan kepala, dan sistem mampu menghasilkan akurasi keberhasilan
pengenalan rata-rata 64 karena dipengaruhi oleh variasi ukuran citra.
4.5. Implementasi Perancangan Antarmuka
