Model Pengenalan Wajah Menggunakan Algoritma k-Nearest Neighbors
DOI:
https://doi.org/10.51179/ilka.v3i2.80Kata Kunci:
Pengenalan wajah, K-Nearest Neighbors, HOG, klasifikasi biometrik, pengolahan citraAbstrak
Penelitian ini berfokus pada pengembangan model pengenalan wajah dengan memanfaatkan algoritma K-Nearest Neighbors (KNN) sebagai metode klasifikasi dalam sistem biometrik. Dataset yang digunakan terdiri atas 1.000 citra wajah grayscale berukuran 128x128 piksel dari 10 individu, masing-masing dengan 100 citra. Proses ekstraksi fitur dilakukan menggunakan metode Histogram of Oriented Gradients (HOG) untuk menangkap karakteristik wajah yang khas. Hasil eksperimen menunjukkan bahwa nilai k optimal adalah 4 dengan akurasi validasi sebesar 75,37%. Uji lebih lanjut menghasilkan akurasi 81,37% dengan nilai rata-rata F1-score sebesar 0,81, yang membuktikan kemampuan model dalam membedakan identitas wajah secara cukup andal. Pengujian live recognition memperlihatkan bahwa sistem mampu mengenali wajah meskipun pada kondisi nyata dengan variasi sudut pandang maupun sebagian wajah tertutup. Temuan ini menegaskan bahwa algoritma KNN masih relevan, efektif, serta efisien untuk tugas pengenalan wajah pada dataset berskala kecil hingga menengah, dengan keunggulan waktu pelatihan yang cepat dan penerapan praktis pada sistem identifikasi.
Unduhan
Referensi
[1] A. Pathak and S. Bhardwaj, “A systematic literature review on the fusion of face recognition and neuro-marketing,” SN Business & Economics, vol. 6, no. 5, p. 129, 2026.
[2] P. Dharnasi, “ATM access using card scanner and face recognition with AIML,” International Journal of Research Publications in Engineering, Technology and Management (IJRPETM), vol. 9, no. 1, pp. 113–118, 2026.
[3] R. Saputra, I. Muslem, and R. Fajri, “ Klasifikasi Spesies Ikan Koi Berdasarkan Citra Menggunakan Metode YOLOv3-Tiny Dan OpenCV ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 182–188, Feb. 2026.
[4] V. Shakila, I. Muslem, and S. Sriwinar, “Prototipe Kamera Pengawasan Berbasis YOLOv5 untuk Deteksi Benda Tajam Secara Real-Time dengan Notifikasi Telegram,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 90–95, Feb. 2026.
[5] J. S. Jeyanathan, C. T. A. Wise, O. A. Tom, C. Yogeswar, G. Sankeerth, and Y. D. Kumar, “Real-Time Intrusion Detection and Cloud-based Facial Recognition for Smart Home Security Systems,” in Emerging Perspectives and Applications of Computational Intelligence and Smart Systems, CRC Press, 2026, pp. 174–178.
[6] S. Ben Chaabane, R. Harrabi, and H. Seddik, “Home security system with hybrid face recognition approach using convolutional neural Networks, fuzzy Logic, and SVM classifier,” Multimed. Tools Appl., vol. 85, no. 2, p. 125, 2026.
[7] S. Jothimani, K. Lavanya Devi, M. Madhumithra, R. Mahalakshmi, and N. Surya, “Advanced Secure Platform for Identity Recognition,” Proceedings Copyright, vol. 782, p. 788.
[8] J. Liu, X. Wang, and J. Liu, “The origin of cognitive modules for face processing: A computational evolutionary perspective,” Cognition, vol. 266, p. 106341, 2026.
[9] A. Agustiyar, R. R. Isnanto, and C. E. Widodo, “Face Recognition for Attendance Systems: A Bibliometric Review of Research Trends and Opportunities,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 15, no. 01, pp. 8–13, 2026.
[10] R. Kute, V. Vyas, and A. Anuse, “Transfer learning for face recognition using fingerprint biometrics,” Journal of King Saud University–Engineering Sciences, vol. 38, no. 2, p. 16, 2026.
[11] J. W. Hwang and A. B. J. Teoh, “Face Conditioning Periocular Recognition based on Asymmetrical Progressive Masked AutoEncoder,” Expert Syst. Appl., p. 131196, 2026.
[12] J. Vijaya, S. Chandrakar, and P. Shrivastava, “A Comprehensive Review Concerning the Involvement of Artificial Intelligence Techniques in Face Recognition System,” Practical Applications of Smart Human-Computer Interaction, pp. 69–110, 2026.
[13] L. V. Nguyen, “PCA-Based Face Recognition Using Eigenfaces For Cheating Detection,” Data Science and Applications: Proceedings of ICDSA 2025, Volume 2, vol. 2, p. 282, 2026.
[14] M. Jaumitbaeva, S. Beknazarova, L. Mukhtarzhanovna, Q. Axmedov, and A. Abdukhalilov, “Algorithm for recognizing geometric objects in video images using the Haar Cascade method,” in Fifth International Conference on Optics, Computer Applications, and Materials Science (CMSD-V 2025), SPIE, 2026, pp. 166–172.
[15] I. R. Muslem and T. M. Johan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Citra Ikan Menggunakan Algoritma Convolutional Neural Network dengan Arsitektur VGG-16,” Media Online), vol. 4, no. 2, pp. 978–985, 2023, doi: 10.30865/klik.v4i2.1209.
[16] L. Luthfi, R. Imam Muslem, D. Armiady, S. Sriwinar, R. Fajri, and I. Iqbal, “Analysis of CNN Method for Image Classification of Coconut Ripeness Levels,” in 2023 Eighth International Conference on Informatics and Computing (ICIC), IEEE, Dec. 2023, pp. 1–6. doi: 10.1109/ICIC60109.2023.10381964.
[17] J. R. Velázquez-González and ..., “Unsupervised Outlier detection algorithm based on k-NN and fuzzy logic,” … Autumn Meeting on …, 2019, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/9057029/
[18] K. L. Davies, H. Ugail, and D. G. Stork, “Reassessing Anne Boleyn and other Boleyn women in Holbein drawings using facial recognition,” npj Heritage Science, vol. 14, no. 1, p. 175, 2026.
[19] F. Ahmed, “Hog-cnn: Integrating histogram of oriented gradients with convolutional neural networks for retinal image classification,” Journal of Imaging Informatics in Medicine, pp. 1–16, 2026.
[20] R. Melani, S. Sriwinar, D. Azmi, I. Muslem, and M. Amin, “Klasifikasi Kematangan Cabai Berdasarkan Citra Digital Menggunakan Algoritma K-Nearest Neighbor,” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 30–42, 2026.
[21] D. Fahmi, D. Azmi, I. Muslem, and P. B. N. Simangunsong, “Sistem Pendeteksi Dan Klasifikasi Jenis Hewan Ternak Menggunakan Metode You Only Look Once (YOLO),” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 43–51, 2026.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Ilmu Komputer Aceh
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Jurnal ini adalah jurnal akses terbuka yang menyediakan akses langsung secara nasional, bebas hambatan ke teks lengkap dari semua artikel yang diterbitkan tanpa biaya pembaca atau institusi mereka untuk mengaksesnya. Pembaca berhak membaca, mengunduh, menyalin, mendistribusikan, mencetak, mencari, atau menautkan teks lengkap semua artikel di Jurnal ILKA. Jurnal ini memberikan akses terbuka langsung ke kontennya dengan prinsip bahwa membuat penelitian tersedia secara bebas untuk publik mendukung pertukaran pengetahuan global yang lebih besar.
