Zaman sekarang semakin maju, semakin mudah pula para penjahat melakukan aksinya dengan keahlian teknologi .Sebenarnya biometrik merupakan salah satu metode keamanan terbaik saat ini.Bagaimana tidak? Setiap orang memiliki identifikasi biometrik yang berbeda-beda.Tak heran ,metode keamanan ini digunakan di berbagai industri , seperti bank digital,fintech, dan masih banyak lagi lainya.Lalu, apa biometrik sebenarnya????
Biometrik adalah identifikasi atau otentikasi berdasarkan fisik maupun karakteristik unik seseorang.Salah satu contoh biometrik adalah pengenalan wajah.Setiap wajah manusia dalam kelompok ras adalah kombinasi dari beberapa lusin bentuk primer .Misalnya dengan menganalisis pemindahan tiga dimensi dari berbagai wajah manusia (Eigenface).Dinamakan eigenface karena merupakan vektor eigendari matriks kovarian yang menyimpan informasi citra wajah.Bentuk wajah direpresentasikan secara matematis sebagai kombinasi linier dari eigenheads.Metode eigenface ini sangat mengesankan.Pengenalan wajah menggunakan kamera untuk menangkap gambar wajah dan membandingkanya dengan database yang sudah ada.Metode yang dijelaskan adalah metode eigenface yang menggunakan webcam untuk menangkap gambar secara real-time .
Metode ini memiliki komputasi yang sederhana dan cepat dibandingkan dengan metode lain seperti jaringan syaraf tiruan. Dimana proses pengaplikasianya yaitu yang pertama,Capture wajah dimana kamera menangkap gambar wajah seseorang. Kedua,Pra-pemrosesan yaitu resize gambar,konversi dari RGB ke grayscale dan Histogram equalization untuk perataan cahaya. Ketiga,Pengenalan dengan eigenface yaitu dengan Hitung eigenvalue dan eigenvector untuk mendapatkan fitur wajah dan Gunakan Euclidean distance untuk mencari jarak terkecil antara fitur wajah yang baru dengan data fitur dalam database.
Hasil pengujian menunjukkan alat ini memiliki tingkat keberhasilan pengenalan wajah sebesar 87%,membuktikan efektivitas metode ini dalam aplikasi pengenalan wajah.
PENGENALAN WAJAH DENGAN METODE EIGENFACE
Pengenalan wajah (Face Recognition) adalah pengenalan pola yang khusus untuk wajah ,yaitu mengklasifikasikan wajah sebagai dikenal (known) dan atau tidak dikenali (unknown) setelah dibandingkan dengan database yang ada.Proses Ini lebih kompleks dan lambat pada komputer dibandingkan dengan manusia.
input : Citra wajah dengan ukuran dan resolusi sama.
output : Kelas terdekat dari wajah yang ingin dikenali.
Implementasi berupa platform yaitu MATLAB,yang handal dan mudah digunakan untuk perhitungan matematika dan visualisasi.Implementasi berupa metode yaitu Eigenface, ditemukan oleh Turk dan pentland,menggunakan analisis komponen utama (Principal Component Analysis).
Proses ekstrasi fitur citra menggunakan matriks GLCM(Grey-Level-Co-occurence Matriks) dengan memilih fitur tekstur citra seperti mean,entropi,energi,kontraks dan homogenitas.Matriks GLCM menyimpan data tingkat keabuan piksel untuk ketetanggaan pada arah 0,45,90 dan 135 derajat.Reduksi data dilakukan menggunakan PCA (Principal Component Analysis).
Hasil percobaan :
- Sudut 0 derajat : Fitur dominan adalah mean dan entropi.
- Sudut 45 derajat : Fitur dominan adalah entropi dan kontras.
Fitur dominan ini merupakan fitur utama yang mewakili beberapa fitur lain yang digunakan untuk pencarian isi citra.
Kesimpulanya,Jaringan saraf tiruan merupakan metode yang baik dalam pengenalan pola wajah karena dapat mencapai kestabilan kembali untuk mencapai output yang diharapkan,hal ini karena adanya proses pembelajaran dan pelatihan.Penggunaan metode PCA dapat mereduksi matriks sesuai dengan jumlah data masuknya.Pada kasus identifikasi pola wajah berdasarkan tingkat memorisasi dan generalisasi lebuh baik tanpa menggunakan PCA.Penggunaan learning rate dan momentum berpengaruh terhadap perubahan mean square error (MSE).Semakin kecil tingkat ketelitian error yang digunakan, maka semakin kecil tingkat penyimpangan hasil jaringan saraf tiruan yang diinginkan target.
DAFTAR PUSTAKA :
Bayu, S., Hendriawan, A., & Susetyoko, R. (2009). Penerapan face recognition dengan metode Eigenface dalam intelligent home security. Eepis final project.
Harizahayu, H. (2021). Pengenalan Ekspresi Raut Wajah Berbasis Jaringan Saraf Tiruan Backpropagation Dengan Metode Principal Component Analysis. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 15(1), 037-046.
Kustian, N. (2016). Principal Component Analysis untuk Sistem Pengenalan Wajah dengan Menggunakan Metode Eigenface. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 1(2), 193-202.
Lusiana, V., Al Amin, I. H., & Hartono, B. (2017). Analisis Komponen Utama Pada Hasil Ekstraksi Fitur Citra Digital. Dinamik, 22(2), 79-89.
Rizkananda, B. (2013). RANCANG BANGUN PROGRAM IDENTIFIKASI WAJAH BERBASIS PENGOLAHAN CITRA MENGGUNAKAN METODE EIGEN FACE.
