Penerapan Algoritma Support Vector Machine Dalam Pengenalan Wajah Berdasarkan Fitur Isomap

Pengenalan wajah merupakan salah satu bidang yang digunakan untuk mengenali seseorang melalui citra ataupun video. Pengenalan wajah ini dapat digunakan untuk absensi kehadiran yang lebih efektif dan efisien dibandingkan dengan absensi menggunakan cara manual. Pada penelitian ini data yang digunakan merupakan data citra wajah yang terdiri dari 6 orang dengan tiap orang memiliki 4 variasi ekspresi wajah. Tahapan selanjutnya adalah melakukan ekstraksi fitur wajah dengan menggunakan metode isomap. Metode isomap adalah salah satu metode yang dapat mereduksi dimensi dari dimensi yang tinggi ke dimensi yang lebih rendah. Dalam studi ini dimensi yang dihasilkan sebanyak 4 sehingga terdapat 4 fitur yang akan digunakan dalam pengklasifikasian wajah. Fitur-fitur tersebut dibagi menjadi fitur latih dan fitur uji. Untuk pengklasifikasian wajah, digunakan metode support vector machine (SVM). Metode support vector machine merupakan metode supervised learning yang dapat digunakan dalam pengenalan pola dan klasifikasi. Metode support vector machine memperhatikan perhitungan jarak kedekatan fitur satu dengan fitur lainnya dalam pengenalan pola dan klasifikasi. Berdasarkan hasil klasifikasi diperoleh tingkat akurasi sebesar 87,5%, rata-rata terbobot presisi sebesar 79,1675% dan rata-rata terbobot recall sebesar 87,5%.