Linear Discriminant Analysis telah digunakan secara luas dalam pola linier pengenalan terhadap fitur ekstraksi dan pengurangan dimensi. Hal ini dimaksudkan untuk membuat seperangkat vektor proyeksi yang sangat berbeda untuk dipadatkan sepadat mungkin pada jenis yang sama.  Projection vector bekerja dalam hitungan jenis Sw dan antara jenis Sh matrix scatter. Umumnya pada aplikasi pengenalan wajah jumlah dimensi data lebih besar dibandingkan jumlah  sampelnya, hal ini menyebabkan  tunggalnya isi  jenis  scatter matrix Sw, sehingga fitur wajah tidak diekstraksi dengan baik. Dalam penelitian ini digunakan metode  Two Dimensional Linier Discrimination Analysis (TDLDA) untuk ekstraksi fitur, yang menilai secara langsung isi jenis  scatter matrix tanpa pencitraan terhadap transformasi vektor, sehingga mengurangi masalah tunggal dalam isi jenis scatter matrix.
Penelitian ini akan mengembangkan aplikasi pengenalan wajah yang dintegrasikan dengan metode TDLDA dan SVM untuk pengenalan wajah. Dengan kombinasi kedua metode tersebut terbukti dapat memberikan hasil yang optimal dengan tingkat akurasi pengenalan antara 84,18% sampai 100% dengan uji coba menggunakan basis data  ORL, YALE, dan BERN.

Kata kunci: Linear Discriminant Analysis, Two Dimensional Linear Discriminant Analysis, Support Vector Machine.

 Download File