Verifikasi Wajah Berbasis Data Citra Menggunakan Kombinasi Fitur Tekstur

Nurdana Ahmad Fadil, Wahyono, S.Kom., Ph.D.

2024 | Tesis | S2 Ilmu Komputer

Wajah atau muka adalah bagian tubuh yang terletak di bagian depan kepala manusia, meliputi area dahi, hidung, alis, pipi, dan dagu. Setiap individu memiliki ciri khas wajah yang berbeda-beda. Oleh karena itu, wajah merupakan objek yang termasuk dalam bidang biometrik. Biometrik adalah sebuah metode otomatisasi yang dapat mengidentifikasi seseorang berdasarkan fitur fisiknya, seperti mata, sidik jari, tanda tangan, dan suara.

Beberapa langkah yang dilakukan untuk memverifikasi wajah melibatkan prapemrosesan awal, yaitu mengubah citra menjadi citra keabuan (grayscale) dan mengubah ukuran citra menjadi seragam dengan berbagai ukuran: 140, 160, dan 180 piksel. Setelah itu, dilakukan tahap ekstraksi fitur berbasis tekstur menggunakan tiga jenis metode: LBP, LPQ, dan BSIF. Selain itu, dilakukan juga penggabungan dimensi fitur atau konkatenasi dan pencarian selisih fitur dari pasangan citra atau disebut diferensiasi kemudian dilakukan menggunakan metode gabungan LBP+LPQ, LBP+BSIF, dan LPQ+BSIF.

Selanjutnya, dilakukan reduksi dimensi menggunakan PCA (Principal Component Analysis) dengan ukuran komponen 80, 90, 100, 110, dan 120. Hasil ekstraksi dan reduksi fitur tersebut kemudian diklasifikasikan menggunakan KNN (K-Nearest Neighbor) dan SVM (Support Vector Machine). Diperoleh hasil akurasi tertinggi menggunakan metode gabungan LBP+LPQ dengan ukuran citra 140 piksel, fitur konkatenasi, menghasilkan nilai akurasi pada KNN sebesar 0.95 dan pada SVM sebesar 0.97. 

The face is the part of the body located at the front of the human head, covering the area of the forehead, nose, eyebrows, cheeks, and chin. Each individual has distinct facial features, making the face a significant object in the field of biometrics. Biometrics is an automated method that can identify a person based on their physical features, such as eyes, fingerprints, signatures, and voice.

The process of face verification involves several steps, starting with initial preprocessing, which includes converting the image to grayscale and resizing the image to uniform dimensions of 140, 160, and 180 pixels. Following this, texture-based feature extraction is performed using three methods: LBP (Local Binary Pattern), LPQ (Local Phase Quantization), and BSIF (Binarized Statistical Image Features). Additionally, feature dimension concatenation and difference extraction from image pairs, known as differentiation, are conducted using combined methods such as LBP+LPQ, LBP+BSIF, and LPQ+BSIF.

Next, dimensionality reduction is carried out using PCA (Principal Component Analysis) with component sizes of 80, 90, 100, 110, and 120. The extracted and reduced features are then classified using KNN (K-Nearest Neighbor) and SVM (Support Vector Machine). The highest accuracy was obtained using the combined LBP+LPQ method with a 140-pixel image size and concatenated features, resulting in an accuracy of 0.95 with KNN and 0.97 with SVM. 

Kata Kunci : Verifikasi Wajah, Ekstraksi Fitur, LBP, LPQ, BSIF, KNN, SVM