PENGGUNAAN KERNEL PRINCIPAL COMPONENT ANALYSIS (KPCA) PADA FACE RECOGNITION (Oleh: Norhasanah : Pembimbing : Oni Soesanto,Yuana Sukmawaty; 2018; 56 halaman).
Pengenalan wajah adalah salah satu teknologi biometrik yang diaplikasikan dalam security system (sistem keamanan) menggunakan citra wajah. Proses pengenalan wajah dilakukan dengan membandingkan sebuah gambar wajah yang ditangkap melalui kamera dengan gambar wajah sebelumnya telah tersimpan dalam database. Salah satu metode yang digunakan pada Face Recognition diantaranya Principal Component Analysis (PCA) yang bertujuan untuk mereduksi data berdimensi tinggi ke data berdimensi rendah yang pada prinsipnya tanpa kehilangan informasi utamanya. Principal Component Analisis hanya dapat menyelesaikan permasalahan linier sehingga digunakanlah Kernel Principal component analysis (KPCA) untuk menyelesaikan masalah nonlinier pada face recognition. Penelitian ini bertujuan untuk penerapan KPCA pada Face recognition dan mengetahui tingkat akurasi terbaik. Dengan menggunakan database citra berbasis Yale yang terdiri dari 15 subjek dan 11 variasi pose yang berbeda. Beberapa Kernel Principal Component Analysis yang digunakan pada Face Recognition yaitu kernel simpel, kernel polynomial dan kernel Gaussian. Hasil penelitian ini menunjukan KPCA dapat digunakan pada Face Recognition dengan rasio data training dan testing pada database Yale sebesar 80:20 yang menghasilkan akurasi terbaik dengan nilai sebesar 100% serta penggunaan kernel Gaussian menghasilkan persentase akurasi pengenalan wajah yang lebih akurat dibandingkan dengan penggunaan kernel simpel dan kernel polynomial yaitu sebesar 97,65%.
Kata Kunci : Kernel Principal Component Analysis (KPCA), Akurasi dan Face Recognition.