S KOM 1001126 Abstract

ABSTRAK
PENERAPAN METODE JARINGAN SYARAF TIRUAN
LEARNING VECTOR QUANTIZATION (LVQ)

UNTUK PENGENALAN WAJAH
DENGAN CITRA WAJAH GAUSSIAN BLUR

Ratih Pujihati
1001126

Identifikasi biometrik dapat dijadikan sebagai suatu alternatif untuk sistem
keamanan. Identifikasi biometrik merupakan pengembangan dari metode dasa r
identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya,
yaitu karakteristik fisiologis dan karakteristik perilaku. Karakteristik fisiologis
adalah ciri fisik yang relatif stabil seperti sidik jari, siluet tangan, ciri khas
wajah, pola gigi, atau retina mata. Sedangkankarakteristikperilaku,
sepertitandatangan, polaucapan, atauritmemengetik. Pengenalan wajah (face
recognition) adalah salah satu teknik identifikasi biometrik dengan menggunakan
wajah individu yang bersangkutan sebagai parameter utamanya.Pada
perkembangan teknologi saat ini, banyak sistem aplikasi yang berbasis pada
pengenalan wajah, namun hanya untuk pengenalan wajah normal (tanpa blur).

Sedangkan pada kenyataannya, data citra wajah yang didapatkan tidak selalu
merupakan data citra wajah normal (tanpa blur).Berdasarkanhaltersebut,
makapenelitianinidilakukanuntukpengenalanwajahpada citrawajahdengantingkat
blur yang bervariasi yaitu tingkat 1 sampai 5. Salah satujenis blur yang
digunakanyaitu Gaussian Blur.
Saatini,
metode
yang
dianggapakuratdalampengenalanwajahadalahJaringan Syaraf Tiruan Learning
Vector Quantization. Pada penelitian ini, metode tersebut akan diterapkan pada
tahap recognition (pengecekan dan pengkategorian inputan). Adapun urutan
proses pengenalannya adalah Masukan – Pra Proses – Feature Extraction –
Pengenalan – Hasil.
Sistem yang dikembangkan telah berhasil mengenali wajah pada citra
wajah Gaussian Blur yang bervariasi dengan menghasilkan persentase akurasi
terbaik yaitu 93,33%. Dengan persentase tersebut, dapat disimpulkan bahwa
sistem dapat menghasilkan pengenalan wajah yang akurat.

Kata Kunci:Biometrik, Pengenalan Wajah, Learning Vector Quantization, Citra
Wajah Gaussian Blur, Metode Jaringan Syaraf Tiruan.

Ratih Pujihati , 2014
Penerapan Metode Jaringan Syaraf Tiruan Learning Vector Quantization (lvq) Untuk
Pengenalan Wajah Dengan Citra Wajah Gaussian Blur
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

i

Ratih Pujihati , 2014
Penerapan Metode Jaringan Syaraf Tiruan Learning Vector Quantization (lvq) Untuk
Pengenalan Wajah Dengan Citra Wajah Gaussian Blur
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

ii

ABSTRACT
THE APPLICATION OF NEURAL NETWORK
LEARNING VECTOR QUANTIZATION (LVQ) METHOD
IN FACE RECOGNITION
WITH GAUSSIAN BLURFACE IMAGE

Ratih Pujihati
1001126

Biometric identification can be used as an alternative for security system.
Biometric identification is the development of identification basic methodby using
the natural characteristics human as its base, those are physiological
characteristicsand behavioral characteristics. Physiological characteristic is
physical characteristics which are relatively stable such as fingerprints , hand
silhouettes, characteristic facial , dental patterns, or retina of the eye. While the
behavioral characteristics, such as signature, speech patterns, or typing rhythm.
Face recognition is one of the biometric identification by using the individuals
concerned face as the main parameter. In the current technological developments,
many application systems based on face recognition, but only for normal face
recognition ( no blur ). While in fact, the face image data obtained is not only a
normal face image data ( no blur ). Based on that phenomenon, the research is
done for face recognition on a face image with the varation levels of blur. One
type of blurs that is used is Gaussian Blur.
Nowadays, the method that is concerned accurate in face recognition is
Artificial Neural Network Learning Vector Quantization. In this research, the

method will be applied to the recognition step (checking and categorizing input).
The steps of this recognition are Input - Pre Process - Feature Extraction Recognition - Output.
The system developed has been recognizing faces successfully in a face
image with varying Gaussian Blur produces the best accuracy percentage is
93.33%. With these percentages, it can be concluded that the system can produce
accurate face recognition.
Keyword:Biometrics, Facial Recognition, Learning Vector Quantization, Gaussian
Blur Faces Image, Method of Neural Network.

Ratih Pujihati , 2014
Penerapan Metode Jaringan Syaraf Tiruan Learning Vector Quantization (lvq) Untuk
Pengenalan Wajah Dengan Citra Wajah Gaussian Blur
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

iii