ABSTRAKSI: Metode Principal Component Analysis(PCA) adalah metode yang umum digunakan untuk melakukan pengenalan pola termasuk untuk pengenalan wajah. Pengenalan wajah dengan metode Principal Component Analysis akan menggunakan satu set data berdimensi tinggi yang mendeskripsikan sekumpulan citra wajah latih yang digunakan. PCA kemudian akan mengambil ciri-ciri penting dan pola-pola tertentu dari satu set data berdimensi tinggi tersebut dengan mereduksinya menjadi data berdimensi rendah. Data berdimensi rendah tersebut akan digunakan untuk mengenali sebuah citra PCA tidak mengenali suatu citra wajah dengan berdasarkan fitur-fitur tertentu pada wajah seperti : mata, mulut, hidung, dll. Karena itulah PCA memiliki keterbatasan apabila citra wajah latih dan uji yang digunakan memiliki variasi pose, ekspresi, dan pencahayaan.uji.
Metode Projected Combined Principal Component Analysis(PC2A) adalah sebuah metode pengembangan dari metode Principal Component Analysis. PC2A bertujuan untuk mengatasi masalah variasi pose, ekspresi, dan pencahayaan yang terdapat pada metode PCA. PC2A melakukan pengembangan dari metode PCA dengan cara melakukan pre-processing citra wajah sebelum citra wajah itu digunakan pada proses pelatihan. Citra wajah original akan ditransformasi menjadi citra wajah baru yang akan tahan terhadap variasi pose, ekspresi, dan pencahayaan. PC2A akan menggunakan citra wajah baru hasil transformasi sebagai citra wajah latih yang akan digunakan.
Kata Kunci : pengenalan wajah, eigenfaces, principal componenct analysis,ABSTRACT: Principal Component Analysis(PCA) is common method which is used to recognize pattern, including face recognition. Principal Component Analysis use a set of high dimension data which describe a bunch of training images. PCA is going to take important features and patterns from those set of high dimension data by reducing it to be a set of lower dimension data. A set of lower dimension data will be used to recognize a test t image.
PCA do not recognize images by using some features in human face, such as : eyes, mouth, nose, etc. For that reason, PCA has disadvantages when training and test images used have variation of pose, expression, and illumination.
Projected Combined Principal Component Analysis(PC2A) is an extension method of Principal Component Analysis method. PC2A’s purpose is to handle disadvantages because of variation of pose, expression, and illumination occur at PCA method. PC2A extend PCA method by doing pre-processing training images before performs that training images in training process. Original face image will be transformed to be a new face image which will be powerfull against variation of pose, expression, and illumination. PC2A will use those transformed face image as training image.
Keyword: face recognition , eigenfaces, principal componenct analysis,