Tugas akhir ini merupakan lanjutan dari penelitian sebelumnya (Sanabila, 2008)
dalam pengenalan sudut wajah dengan konsep yang sama, yaitu data acuan awal
memiliki interval tertentu, dibuat data acuan baru menggunakan interpolasi, lalu
data uji dihitung jaraknya terhadap semua data acuan, data acuan dengan jarak
terdekat merupakan hasil tebakan. Perbedaan dalam penelitian ini adalah
penggunaan data rata-rata dan data fuzzy sebagai data acuan, perbedaan dalam
PCA yang dilakukan, serta penggunaan control point placement dalam interpolasi
Bezier kuadratik. Skema eksperimen dibagi menjadi dua, menggunakan set data
yang sama dengan penelitian sebelum ini dan menggunakan set data yang lebih
kecil intervalnya. Selain itu, penelitian ini juga mencakup pengenaan distorsi.
Kesimpulan dari peneltian ini adalah penggunaan data rata-rata lebih baik
daripada data masing-masing foto yang harus dipisahkan berdasarkan kelas wajah
terlebih dahulu, penggunaan PCA memberi hasil yang baik, algoritma dengan data
fuzzy belum memberi hasil sebaik data rata-rata, pengenaan distorsi kurang
mempengaruhi hasil pengenalan algoritma untuk eksperimen yang memakai data
rata-rata, dan pemakaian control point placement menghasilkan tingkat
pengenalan yang lebih baik untuk eksperimen dengan data rata-rata.
This final project is a continuity of previous research about angle estimation with
the same main concept: with reference data in some intervals, new reference data
with smaller intervals was made with the use of interpolation, and distances
between testing data and all reference data was calculated, the reference data with
the closest distance was the algorithm?s estimation (Sanabila, 2008). Differences
made were the use of average data (crisp data) and fuzzy data for each angle as
reference data, differences in PCA algorithm, and the use of control point
placement in quadratic bezier interpolation. Experiment scenarios were divided
into two main schemes based on the intervals of the data set, the first one was an
experiment scheme with the same data set intervals with previous research and
another one was experiment scheme with smaller intervals. Data manipulation
with noise addition have also been done in some experiment schemes.Some of the
Conclusions were: use of average data was more efficient than one data for each
picture, the use of PCA gave better result than experiments without PCA,
experiments with average data gave better result than with fuzzy data, noise
addition to data did not effect the recognition rate of the algorithm for
experiments with average data (crisp), control point placement gave better result
in experiments with average data.
