DEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH

Abstract

Dekomposisi Nilai Singular atau Singular Value Decomposition (SVD)
merupakan salah satu cara untuk menyatakan Principal Component Analysis (PCA).
PCA sendiri merupakan suatu proses untuk menemukan kontributor-kontributor
penting dari suatu data berdasarkan besaran statistika deviasi standart dan variansi.
SVD merupakan proses untuk mendapatkan matriks diagonal yang elemen
tak nolnya merupakan nilai singular yang akarnya merupakan eigenvalue.
SVD atas matriks kovarian C berbentuk C = U
?
V T dengan matriks U dan V
memuat eigenvektor yang sudah terurut dari nilai variansi terbesar ke nilai variansi
terkecilnya. Variansi terbesar memiliki arti eigenvektor menangkap ciri-ciri yang
paling banyak berubah. Sifat inilah yang dipakai untuk membentuk eigenface.