1 Penerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis Puspita Ayu Ningsih Putri. SY, Wirawan, Hendra Kusuma Jurusan Teknik Elektro – FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111 Abstrak ̶̶ Pengukuran dan analisis statistik data biologis (biometrik) berkembang dengan pesat. Hal ini dikarenakan sebuah ciri biologi dapat memberikan informasi yang unik berkaitan dengan identifikasi masing-masing individu yang biasanya dikenal dengan sistem pengenalan wajah. Salah satu faktor penting untuk keberhasilan sistem pengenalan wajah adalah adanya citra wajah yang efektif, dimana citra wajah ini sangat bergantung pada teknik ekstraksi yang tidak terpengaruh oleh perubahan variasi posisi wajah, iluminasi, maupun ekspresi. Pada tugas akhir ini dilakukan pengenalan citra wajah dengan menggunakan fitur Gabor phase congruency sebagai pengekstraksi citra wajah, dimana Gabor phase ini akan merepresentasikan citra wajah yang tidak terpengaruh iluminasi dan kontras karena tidak tergantung besar tanggapan filter (magnitude response). Ekstraksi fitur tersebut diproyeksi dengan algoritma Subspace Linear Discriminant Analysis (LDA) dan kemudian dibandingkan dengan menggunakan algoritma Principal Component Analysis (PCA) untuk mendapatkan tingkat akurasi pengenalannya. Hasil pengujian sistem menunjukkan bahwa penggunaan algoritma Subspace LDA memberikan tingkat akurasi sebesar 62,2%. Sedangkan dengan PCA dapat memberikan peningkatan akurasi pengenalan hingga 100%. Kata kunci: pengenalan wajah, principal component analysis, subspace LDA, gabor phase congruency, filter gabor. I. PENDAHULUAN ENGENALAN citra wajah berhubungan dengan obyek yang tidak pernah sama, karena adanya bagian-bagian yang dapat berubah. Perubahan ini dapat disebabkan oleh ekspresi wajah, intensitas cahaya dan sudut pengambilan gambar, atau perubahan asesoris pada wajah. Dalam kaitan ini, pencahayaan merupakan salah satu yang paling berpengaruh terhadap pengenalan wajah. Perubahan-perubahan iluminasi yang disebabkan oleh sumber cahaya pada posisi-posisi tertentu maupun karena intensitas yang berbeda akan memberikan perbedaan yang cukup berarti, seperti pada Gambar 1. Algoritma pengenalan wajah dapat dibedakan menjadi 2 bagian yaitu berdasarkan pendekatan fitur (feature-based) dan pendekatan penampilan (appearance-based)[1]. Metoda- metoda reduksi fitur berusaha untuk mengurangi dimensi- dimensi fitur yang digunakan pada tahap klasifikasi. Gambar 1. Citra wajah yang sama dengan pencahayaan yang berbeda Pada tugas akhir ini digunakan pendekatan fitur berdasarkan gabor phase congruency yang membedakan skala dan memberikan orientasi yang bertindak sebagai skala pada masing-masing versi. Filter gabor dikenal sebagai detektor ciri yang sukses karena memiliki kemampuan menghilangkan variabilitas yang disebabkan oleh iluminasi kontras dan sedikit pergeseran serta deformasi citra, output filter Gabor pada skala spasial dan lokasi spasial telah digunakan dengan sukses untuk pengenalan wajah[2]. Ada dua metoda yang digunakan dalam tugas akhir ini untuk mereduksi dimensi fitur yaitu, Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA). II. TEORI PENUNJANG A. Pemodelan Citra Wajah dengan Gabor Phase Gabor magnitude mempunyai tanggapan yang perlahan terhadap perubahan posisi spasial. Hal ini berbeda dengan Gabor phase yang akan mempunyai harga yang sangat berbeda meskipun berasal dari titik sampel yang berdekatan pada citra wajah. Ketidakstabilan dari Gabor phase ini akan membuat kesulitan dalam mengekstraksi fitur diskriminan yang stabil yang berasal dari Gabor phase sehingga beberapa metoda yang ada hanya mengandalkan fitur dari Gabor magnitude untuk membentuk vektor fitur Gabor. Model awal dari phase congruency bertujuan mencari titik- titik pada suatu citra dimana tanggapan filter log-Gabor pada beberapa skala dan orientasi adalah maksimum dalam tanggapan fasanya[3]. Sehingga suatu titik pada citra adalah penting jika hanya phase response dari filter log-Gabor pada jangkauan frekuensi menunjukkan suatu urutan. Pada model awal, phase response dari filter log-Gabor pada jangkauan frekuensi menunjukkan suatu urutan. Pada model awal, phase congruency akan dihitung untuk setiap orientasi filter dan kemudian hasil-hasilnya dikombinasikan untuk membentuk Phase Congruency Image (PCI). Model PCI memang cocok untuk deteksi tepi dan sudut yang robust terhadap perubahan iluminasi dan kontras dari citra, namun tidak tepat digunakan sebagai fitur wajah. P