ABSTRAK

Albert. NPM: 535010194. Perbandingan Tingkat Akurasi Metode Ekstraksi Fitur antara DCT dan FFT untuk Pengenalan Wajah Menggunakan Algoritma MBPNN. Skripsi, Jakarta: Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara, Januari 2005. Pengenalan wajah merupakan proses klasifikasi suatu gambar wajah yang diperoleh berdasarkan pembelajaran yang telah dilakukan terhadap citra pada basis data. Salah satu proses yang penting dalam pengenalan wajah adalah ekstraksi fitur yang dapat dilakukan menggunakan metode DCT dan FFT. Penelitian ini bertujuan untuk membandingkan metode ekstraksi fitur DCT dan FFT yang digunakan untuk pengenalan wajah menggunakan algoritma MBPNN sehingga diketahui metode mana yang lebih baik. Metode ekstraksi fitur yang lebih baik akan mengenali lebih banyak gambar wajah sehingga menghasilkan tingkat keakuratan pengenalan yang tinggi. Untuk mengetahui metode mana yang menghasilkan tingkat keakuratan pengenalan wajah yang lebih tinggi, maka dilakukan serangkaian percobaan menggunakan 400 gambar wajah yang berasal dari 40 orang. Percobaan dilakukan menggunakan jumlah koefisien, jumlah unit pada lapisan tersembunyi, dan jumlah gambar per orang untuk pembelajaran yang berbeda-beda untuk mendapatkan prosentase keberhasilan pengenalan wajah. Hasil dari penelitian ini mendapatkan bahwa prosentase keberhasilan pengenalan wajah menggunakan algoritma MBPNN dengan metode ekstraksi fitur DCT lebih besar dari pada prosentase keberhasilan pengenalan wajah menggunakan algoritma MBPNN dengan metode ekstraksi fitur FFT. Kesimpulan yang dapat ditarik berdasarkan hasil penelitian adalah bahwa tingkat keakuratan pengenalan wajah dengan metode ekstraksi fitur DCT lebih tinggi dari pada tingkat keakuratan pengenalan wajah dengan metode ekstraksi fitur FFT.

Kata kunci :

Pengenalan wajah, citra wajah digital, ekstraksi fitur, Discrete Cosine Transform, Fast Fourier Transform, Momentum Back Propagation Neural Network.