Sistem Pengenalan Wajah Menggunakan Principal Component Analysis Dan K-Nearest Neighbor

Pengenalan wajah adalah teknologi untuk pengenalan biometrik berdasarkan pengetahuan tentang fitur wajah manusia. Pada penelitian ini akan dibuat sistem pengenalan wajah menggunakan metode Principal Component Analysis (PCA) sebagai fitur ekstraksi dan K-Nearest Neighbor (KNN) sebagai klasifikasi. Pada tugas akhir ini, sistem yang dibangun menggunakan bahasa pemrograman Python, dan diuji ke empat dataset yaitu dataset AT&T, Yale B, Georgia Tech dan Mandiri. Dari hasil pengujian yang telah dilakukan, sistem pengenalan wajah menggunakan metode PCA dan KNN mendapatkan tingkat akurasi tertinggi sebesar 93,5% dengan waktu komputasi 1.4 detik pada dataset AT&T. Tingkat akurasi 78% dengan waktu komputasi 5 detik pada dataset Georgia Tech. Kemudian tingkat akurasi sebesar 84% dengan waktu komputasi 7 detik pada dataset Yale B, dan 93.5% dengan dengan waktu komputasi 1,4 detik pada dataset Mandiri. Pengenalan wajah menggunakan metode PCA dan KNN dapat menghasilkan kenaikan tingkat akurasi sebesar 10-20% dibandingkan dengan PCA dengan klasifikasi sederhana menggunakan jarak Euclidean.