PENERAPAN METODE ANALISA DISKRIMINAN MAJEMUK DENGAN PENDEKATAN TRANSFORMASI FUKUNAGA KOONTZ

Analisa Diskriminan Linier merupakan salah satu metode yang sering digunakan dan dikembangkan pada bidang pengenalan pola. Metode ini mencoba menemukan subspace optimal dengan memaksimalkan Fisher Criterion. Penerapan pengenalan pola pada data berdimensi tinggi dan jumlah sample training yang sedikit menyebabkan matriks sebaran within-class bersifat singular. Pada Tugas Akhir ini akan dikembangkan metode Analisa Diskriminan Linier dengan pendekatan Transformasi Fukunaga Koontz untuk memenuhi kebutuhan matriks sebaran withinclass yang bersifat nonsingular. Berdasarkan Transformaasi Fukunaga Koontz, seluruh space data didekomposisi ke dalam empat subspace dengan kemampuan diskriminan yang berbeda-beda (diukur dari rasio eigenvalue). Fisher Criterion maksimal dapat diketahui dengan menghubungkan rasio eigenvalue dan generalized eigenvalue. Selanjutnya akan diperkenalkan metode baru bernama Analisa Diskriminan Majemuk dengan mentransformasikan data menjadi intraclass dan extraclass dan memaksimalkan jarak Bhattacharyya. Metode ini lebih efisien karena bekerja meskipun matriks sebaran within-class singular dan matriks sebaran between-class bernilai nol.