Calculati Alfi Jannati Mujiono Pembimbing : Dr. Singgih Jatmiko, SSi., MSc
|
|
- Inge Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS PERBANDINGAN METODE EIGENFACE DENGAN FISHERFACE PADA PROSES PENGENALAN WAJAH Calculati Alfi Jannati Mujiono Pembimbing : Dr. Singgih Jatmiko, SSi., MSc
2 Latar Belakang Perkembangan Teknologi Pengenalan Wajah Metode Pengenalan Wajah
3 Batasan Masalah Perbedaan antara metode Eigenface dan Fisherface pada saat terjadi perubahan cahaya Perbedaan antara metode Eigenface dan Fisherface pada saat terjadi perubahan ekspresi wajah Perbedaan antara metode Eigenface dan Fisherface pada saat proses akurasi pengenalan wajah
4 Tujuan Membandingkan kinerja metode pengenalan wajah antara Eigenface dengan Fisherface dalam hal perubahan pencahayaan, jarak objek dengan kamera (webcam), ekspresi wajah, dan tingkat akurasi pengenalan wajah.
5 Uji Coba Sample Sample citra yang digunakan dalam uji coba terdiri dari dua macam sample yaitu: 1.Terdiri dari 20 citra wajah. Masing-masing terdiri dari 3 citra wajah dari 20 orang yang berbeda, dengan kondisi sebagai berikut: a.tidak memakai kacamata b.menggunakan pencahyaan dengan kondisi jendela tertutup c.menggunakan 3 variasi ekspresi wajah yaitu, normal, senyum, dan sedih.
6 Uji Coba Sample Cont.(1) d. Kemiringan wajah yaitu serong kanan atau kiri ±15, dan serong kanan atau kiri ±30, dengan asumsi mata meilhat ke kamera (webcam). e. Menundukkan kepala ±15 dan menaikan dagu ±15, dengan asumsi mata meilhat ke kamera (webcam).
7 Uji Coba Sample Cont.(2) 2. Terdiri dari 20 citra wajah. Masing-masing terdiri dari 3 citra dari 20 orang yang berbeda, dengan kondisi sebagai berikut: a. Tidak menggunakan kacamata b. Menggunakan pencahayaan dengan kondisi jendela terbuka c. Menggunakan 3 variasi ekspresi wajah yaitu, normal, senyum, dan sedih.
8 Uji Coba Sample Cont.(3) d. Kemiringan wajah yaitu serong kanan atau kiri ±15, dan serong kanan atau kiri ±30, dengan asumsi mata meilhat ke kamera (webcam). e. Menundukkan kepala ±15 dan menaikan dagu ±15, dengan asumsi mata meilhat ke kamera (webcam).
9 Uji Coba Sample Cont.(4) 3. Terdiri dari 20 citra wajah. Masing-masing terdiri dari 3 citra wajah dari 20 orang yang berbeda, dengan kondisi sebagai berikut: a. Tidak menggunakan kacamata b. Menggunakan pencahyaan dengan kondisi di dalam ruangan dengan kondisi gelap (pintu dan jendela tertutup) c. Menggunakan 3 variasi ekspresi wajah yaitu, normal, senyum, dan sedih.
10 Uji Coba Sample Cont.(5) d. Kemiringan wajah yaitu serong kanan atau kiri ±15, dan serong kanan atau kiri ±30, dengan asumsi mata meilhat ke kamera (webcam). e. Menundukkan kepala ±15 dan menaikan dagu ±15, dengan asumsi mata meilhat ke kamera (webcam).
11 Kondisi Pengujian Sample Kondisi 1 Pengujian Efektifitas Jumlah Pengguna Training set : 5, 10, dan 20 citra pada sample 1 Testing set : 5, 10, dan 20 citra pada sample 1 Eigenface Fisherface
12 Kondisi Pengujian Sample Cont. (1) Kondisi 2 Pengujian Berdasarkan Pencahayaan Normal Pengujian berdasarkan ekspresi wajah : normal, senyum, sedih. Eigenface Fisherface
13 Kondisi Pengujian Sample Cont. (2) Pengujian Berdasarkan Pencahayaan Normal Pengujian Berdasarkan Kemiringan dan Tinggi Rendahnya Posisi Wajah Eigenface Fisherface
14 Kondisi Pengujian Sample Cont. (3) Presentase Nilai Rata-rata Perbandingan Kinerja Pada Kondisi 2 Metode Rata-rata Eigenface 78.60% Fisherface 79.70%
15 Kondisi Pengujian Sample Cont. (4) Kondisi 3 Pengujian Berdasarkan Pencahayaan Tinggi Pengujian berdasarkan ekspresi wajah : normal, senyum, sedih. Eigenface Fisherface
16 Kondisi Pengujian Sample Cont. (4) Pengujian Berdasarkan Pencahayaan Tinggi Pengujian Berdasarkan Kemiringan dan Tinggi Rendahnya Posisi Wajah Eigenface Fisherface
17 Kondisi Pengujian Sample Cont. (5) Presentase Nilai Rata-rata Perbandingan Kinerja Pada Kondisi 3 Metode Rata-rata Eigenface 43.61% Fisherface 45.71%
18 Kondisi Pengujian Sample Cont. (6) Kondisi 4 Pengujian Berdasarkan Pencahayaan Rendah Pengujian berdasarkan ekspresi wajah : normal, senyum, sedih. Eigenface Fisherface
19 Kondisi Pengujian Sample Cont. (7) Pengujian Berdasarkan Pencahayaan Rendah Pengujian Berdasarkan Kemiringan dan Tinggi Rendahnya Posisi Wajah Eigenface Fisherface
20 Kondisi Pengujian Sample Cont. (8) Presentase Nilai Rata-rata Perbandingan Kinerja Pada Kondisi 4 Metode Rata-rata Eigenface 45.05% Fisherface 46.53%
21 Kondisi Pengujian Sample Cont. (9) Kondisi 5 Pengujian Berdasarkan Jarak Objek Dengan Kamera. Jarak yang diujikan adalah 30cm, 40cm, 50cm dan 60cm. Pengujian ini dilakukan terhadap 5 citra wajah dari 5 orang berbeda. Pengujian dilakukan berdasarkan intensitas cahaya pada kondisi 1.
22 Kondisi Pengujian Sample Cont. (9) Eigenface Fisherface
23 Kondisi Pengujian Sample Cont. (9) Kondisi 6 Pengujian Berdasarkan Penggunaan Kacamata. Kacamata yang digunakan yaitu kacamata bening dan kacamata hitam. Pengujian ini dilakukan terhadap 5 citra wajah dari 5 orang berbeda. Pengujian dilakukan berdasarkan intensitas cahaya pada kondisi 1.
24 Kondisi Pengujian Sample Cont. (10) Eigenface Fisherface
25 Analisis Berdasarkan hasil pengenalan, algoritma fisherface dapat mengenali citra wajah lebih baik dibandingkan dengan algoritma eigenface. Hal ini terlihat pada hasil pengenalan yang telah diuji diatas, yang mengilustrasikan persentase hasil pengenalan kedua algoritma terhadap citra pelatihan. Berdasarkan perhitungan kompleksitas kedua algoritma, algoritma fisherface memiliki kompleksitas yang lebih rumit dibandingkan dengan algoritma eigenface. No. Pengukuran Eigenface Fisherfae 1 Hasil pengenalan Kurang baik Baik 2 Proses Lebih sedikit Lebih banyak 3 Kompleksitas Lebih sederhana Lebih rumit
26 Kesimpulan Jarak objek dengan kamera pada saat proses pengambilan wajah dan proses deteksi sebaiknya konstan. Pencahayaan yang baik adalah pencahayaan normal. Pengenalan pose wajah dengan berbagai ekspesi tidak terlalu mempengaruhi hasil pengenalan. Tetapi jika terdapat pose dengan kondisi miring ke kiri dan miring ke kanan dengan sudut kemiringan yang besar akan menurunkan kualitas pengenalan.
27 Kesimpulan Cont.(1) Aksesoris atau atribut yang digunakan objek pada saat dilakukan proses pengenalan wajah berpengaruh terhadap akurasi pengenalan wajah.
28 Saran Media penyimpanan citra wajah dalam bentuk database. Penelitian lebih lanjut dengan jumlah pengujian citra yang lebih banyak, penambahan variasi pengujian ekspresi wajah, serta pengujian pencahayaan dari berbagai sudut sumber cahaya.
BAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Bab ini akan membahas tentang pengujian dan analisis sistem. Pada pengujian akan dijelaskan tentang kriteria pengujian serta analisis dari pengujian 4.1. Kriteria Pengujian
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM Bab ini akan menjelaskan mengenai analisis kebutuhan dari sistem yang akan digunakan untuk pengujian metode dan kemudian dilanjutkan dengan perancangan sistem yang
Lebih terperinciBAB 4 PENGUJIAN DAN ANALISA
57 BAB 4 PENGUJIAN DAN ANALISA Pengujian dan analisa pada Bab 4 ini pada intinya adalah untuk mengetahui tingkat keberhasilan suatu sistem dengan metode yang sudah ditentukan. Masing masing metode mempunyai
Lebih terperinciPengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface
Pengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface (Studi Kasus pengenalan wajah pada manusia di teknik informatika universitas malikussaleh) Muthmainnah, Rahayu Dosen Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Wajah sering digunakan sebagai sarana berekspresi dalam berkomunikasi interpersonal dalam kehidupan sehari hari. Dengan ekspresi wajah, seseorang dapat memahami emosi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan
BAB I PENDAHULUAN 1.1 Latar Belakang Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan perangkat elektronik. Identifikasi tersebut perlu dilakukan untuk menunjang sistem peresensi, keamanan,
Lebih terperinciBAB IV DATA PENGAMATAN DAN ANALISIS
BAB IV DATA PENGAMATAN DAN ANALISIS 4.1 Prosedur pengujian Setelah perancangan perangkat lunak dilakukan, maka selanjutnya dilakukan pengujian pengenalan wajah dan identifikasi. Tujuan dari pengujian ini
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN
BAB V IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang implementasi dan pengujian dari sistem yang dikembangkan berdasarkan hasil perancangan yang didapat pada BAB IV. V.1 Implementasi V.1.1 Spesifikasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciSistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot
Sistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot Mara Nugraha Teknik Informatika Universitas Gunadarma Jl. Margonda Raya 100, Depok maranugraha@sta.gunadarma.ac.id Abstrak Pengenalan
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE FISHERFACE UNTUK MENDUKUNG SISTEM AKADEMIK
PENGENALAN WAJAH MENGGUNAKAN METODE FISHERFACE UNTUK MENDUKUNG SISTEM AKADEMIK Amri 1, Talita Rahmata 2 1,2 Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km.280,3
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB I PENDAHULUAN. individu dapat dibedakan dengan individu yang lain.
BAB I PENDAHULUAN 1 Latar Belakang Masalah Pemeriksaan identitas adalah pemeriksaan jati diri yang dimiliki oleh seseorang yang ia dapat sejak ia lahir, dimana setiap identitas yang dimiliki seseorang
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciBAB IV IMPLEMENTASI & EVALUASI
BAB IV IMPLEMENTASI & EVALUASI Pada bab ini membahas tentang bagaimana cara mengimplementasikan dan pengambilan data serta melakukan evaluasi terhadap data-data yang sudah didapatkan. Pertama disini digunakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Phalaenopsis atau yang biasa disebut dengan anggrek bulan mempunyai banyak jenis. Ada 26 jenis yang sudah dikenali di Indonesia. Anggrek dapat diklasifikasikan berdasarkan
Lebih terperinciBAB 1 PENDAHULUAN. pemograman juga mengalami peningkatan kerumitan dan fungsi. Salah satu bidang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan dibidang pemograman juga mengalami peningkatan kerumitan dan fungsi. Salah satu bidang yang sedang berkembang
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciBAB I PENDAHULUAN. perguruan tinggi. Pilihan teknologi yang digunakan dalam implementasi absensi
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Saat ini sistem absensi menggunakan teknologi komputer telah banyak dikembangkan di perusahaan, institusi pemerintahan, lingkungan sekolah dan di perguruan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Home security saat ini sudah menjadi kebutuhan setiap pemilik rumah yang menginginkan tingkat keamanan yang baik. Salah satu sistem keamanan konvensional yang masih
Lebih terperinciUJI AKURASI SISTEM ABSENSI DENGAN PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE TUGAS AKHIR. Oleh : SEPTIAN WIDANEHRU
UJI AKURASI SISTEM ABSENSI DENGAN PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE TUGAS AKHIR Oleh : SEPTIAN WIDANEHRU 0634015077 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Face recognition masih menjadi area yang diteliti secara luas dalam bidang ilmu komputer. Untuk mengenali wajah dalam pencahayaan yang baik dan arah yang tetap tanpa
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi seperti saat ini, kebutuhan akan informasi dan sistem yang dapat membantu kebutuhan manusia dalam berbagai aspek sangatlah penting.
Lebih terperinciBab IV. Pengujian dan Analisis
Bab IV. Pengujian dan Analisis IV.1. Jangkauan Telemetri dan Kalibrasi Kamera a. Jangkauan Telemetri Pengukuran jangkauan telemetri di ruang terbuka dilakukan dengan menempatkan pemancar RF di jendela
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bidang animasi, motion capture adalah salah satu cara yang dipakai para
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam bidang animasi, motion capture adalah salah satu cara yang dipakai para kreator animasi untuk mengambil gerakan yang dapat diterapkan dalam pembuatan animasi,
Lebih terperinciBAB IV IMPLEMENTASI & EVALUASI
BAB IV IMPLEMENTASI & EVALUASI Pada bab ini akan dibahas cara implementasi sistem absensi otomatis yang telah kami buat, cara implementasi sistem ini dengan melakukan simulasi absensi yang dilakukan di
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan ilmu pengetahuan di segala bidang dalam era globalisasi saat ini begitu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan di segala bidang dalam era globalisasi saat ini begitu pesat.terutama dalam bidang IT yang semakin maju seiring dengan kebutuhan pemakai
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciBAB II DASAR TEORI. Pada bab ini akan dibahas teori-teori pendukung yang digunakan sebagai acuan dalam merancang algoritma.
BAB II DASAR TEORI Pada bab ini akan dibahas teori-teori pendukung yang digunakan sebagai acuan dalam merancang algoritma. 2.1. Deteksi Bola 2.1.1. Colorspace Colorspace adalah model abstraksi matematis
Lebih terperinciBAB I PENDAHULUAN. Sistem biometrik merupakan penerapan teknologi yang mempelajari
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrik merupakan penerapan teknologi yang mempelajari karakteristik biologi yang menjadi keunikan tersendiri pada manusia. Salah satu bagian sistem biometrik
Lebih terperinciRANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM
RANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM RULIAH Jurusan Sistem Informasi STMIK Banjarbaru Jl. Jend. Ahmad Yani Km. 33.3 Loktabat Banjarbaru twochandra@gmail.com
Lebih terperinciIMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION
IMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION Garibaldy W Mukti 13506004 Teknik Informatika ITB alamat : Srigading 29, Bandung 40132 email: subghost1802000@yahoo.com ABSTRAK
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi komputer yang digunakan dalam melakukan simulasi pada aplikasi perancangan pencarian daftar hitam dengan deteksi wajah berdasarkan
Lebih terperinciSISTEM PRESENSI KARYAWAN BERBASIS PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE
SISTEM PRESENSI KARYAWAN BERBASIS PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE Hanif Al Fatta STMIK AMIKOM Yogyakarta Hanivonitch@yahoo.com ABSTRACT Computer technology brings us to a new way of preventing
Lebih terperinciBAB 4 IMPLEMENTASI DAN PENGUJIAN
BAB 4 IMPLEMENTASI DAN PENGUJIAN Pada bab ini berisi tentang implementasi dan pengujian meliputi penulisan kode program, pembuatan tampilan antarmuka, penerapan algoritma yang digunakan dan juga pengujian
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam setiap perkuliahan, aspek visual merupakan hal yang sangat penting. Pada saat dosen menulis di whiteboard, mahasiswa harus dapat melihat kejelasan tulisan tersebut berdasarkan keterbatasan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Sistem-sistem pendukung yang digunakan oleh penulis dalam menjalankan aplikasi yang telah dirancang ini dibedakan menjadi 2 yaitu kelompok hardware
Lebih terperinciPengujian Pengenalan Wajah Menggunakan Raspberry Pi
Pengujian Pengenalan Wajah Menggunakan Raspberry Pi 1 Irvan Budiawan, 2 Andriana Prodi Teknik Elektro, Universitas Langlangbuana Bandung JL. Karapitan No.116, Bandung 40261 E-mail: 1 budiawan.irvan@gmail.com
Lebih terperinciPENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS
PENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS Disusun oleh: Juan Elisha Widyaya (0822014) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, no. 65, Bandung, Indonesia
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan di bidang pengembangan aplikasi sedang mendapatkan perhatian penting bagi perkembangan teknologi informasi.
Lebih terperinciIDENTIFIKASI WAJAH PADA SISTEM KEAMANAN BRANKAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS
IDENTIFIKASI WAJAH PADA SISTEM KEAMANAN BRANKAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS Dadang Ardiansyah #1, Edi Satriyanto, S.Si, M.Si, #2, Eru Puspita, ST, M.Kom, #3, Budi Nur Iman, S.Si, M.Kom #4
Lebih terperinci6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem merupakan tahap yang bertujuan untuk memahami sistem, mengetahui kekurangan sistem, dan menentukan kebutuhan perbandingan proses
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dijelaskan tentang pengujian dimensi robot, algoritma dari robot yang telah dibuat dan analisis mengenai kinerja dari algoritma tersebut. 4.1. Pengujian
Lebih terperinciFace Identification For Presence Applications Using Violajones and Eigenface Algorithm
Face Identification For Presence Applications Using Violajones and Eigenface Algorithm Chandra Kirana Jurusan Teknik Informatika, STMIK Atma Luhur Pangkalpinang Jl. Jend. Sudirman Pangkalpinang (0717)
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih terperinciBAB 1 PENDAHULUAN. termasuk dalam bidang Computer Vision. Computer Vision membuat komputer
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan teknologi komputer pada dewasa ini telah mengalami kemajuan, termasuk dalam bidang Computer Vision. Computer Vision membuat komputer dapat melihat dan
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciABSTRAK. Kata kunci: pengenalan wajah, perangkat keamanan, sistem benam. vi Universitas Kristen Maranatha
ABSTRAK Laporan penelitian ini berisi mengenai pengembangan sebuah perangkat keamanan mobil yang berfungsi mencegah akses orang yang tidak berwenang dalam menghidupkan mesin mobil. Perangkat ini merupakan
Lebih terperinciPENDETEKSIAN TITIK TITIK JANGKAR UNTUK VERIFIKASI FACE 3D
PENDETEKSIAN TITIK TITIK JANGKAR UNTUK VERIFIKASI FACE 3D Dahlan Abdullah 1, Safwandi 2 Dosen Teknik Informatika Universitas Malikussaleh Abstract This paper outlines methods to detect key anchor points
Lebih terperinciBAB 1 PENDAHULUAN. dalam kehidupan manusia. Perkembangan robot dari zaman ke zaman terus
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi robotika di masa sekarang sudah menjadi bagian penting dalam kehidupan manusia. Perkembangan robot dari zaman ke zaman terus meningkat dengan sangat
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBAB I PENDAHULUAN. maupun non verbal. Komunikasi secara verbal menggunakan kata-kata lisan untuk. mengungkapkan ekspresi penggunanya.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia dapat berinteraksi antara satu sama lainnya melalui komunikasi dalam bentuk bahasa. Komunikasi dalam bentuk bahasa terjadi baik secara verbal maupun
Lebih terperinciSistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa Menggunakan Metode PCA Dan DTW
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Sistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan penulis dalam melakukan simulasi pada aplikasi penelitian pengenalan citra wajah dengan variasi
Lebih terperinciPENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN Bab pertama ini mencakup latar belakang permasalahan yang mendasari pelaksanaan tugas akhir, tujuan, ruang lingkup tugas akhir dan sistematika penulisan laporan. 1.1. Latar Belakang Pengenalan
Lebih terperinciRANCANG BANGUN SISTEM PENGENALAN WAJAH DENGAN METODE PRINCIPAL COMPONENT ANALYSIS
RANCANG BANGUN SISTEM PENGENALAN WAJAH DENGAN METODE PRINCIPAL COMPONENT ANALYSIS Salamun 1, Firman Wazir 2 Program Studi Teknik Informatika, Fakultas Teknik, Univbersitas Abdurrab Pekanbaru Jl. Riau Ujung
Lebih terperinci(Adaptive Neuro- akurasi 58,33% untuk 9 kelas output
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan hasil dari pikiran bawah sadar manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Ilmu yang mempelajari tentang tulisan
Lebih terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciHuman Face Detection by using eigenface method for various pose of human face
Human Face Detection by using eigenface method for various pose of human face Esty Vidyaningrum, Prihandoko Undergraduate program, Faculty of Industrial Technology, 2009 Gunadarma University http://www.gunadarma.ac.id
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menjelaskan mengenai Latar Belakang, Identifikasi Masalah, Tujuan Tugas Akhir, Lingkup Tugas Akhir, Metodologi Tugas Akhir dan Sistematika Penulisan Tugas Akhir. 1.1 Latar Belakang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi yang digunakan dalam menjalankan sistem kontrol akses berbasis real time face recognition dan gender information ditunjukkan
Lebih terperinciIdentifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA)
Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA) Cucu Suhery #1, Ikhwan Ruslianto *2 # Prodi Sistem Komputer Fakultas
Lebih terperinciPENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH SEBAGAI HASIL SINTESIS DENGAN TEKNIK MULTISCALE MARKOV RANDOM FIELD (MRF)
PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH SEBAGAI HASIL SINTESIS DENGAN TEKNIK MULTISCALE MARKOV RANDOM FIELD (MRF) Disusun oleh : Alvin Silajaya (0922018) Jurusan Teknik Elektro,
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
Lebih terperinciSistem Pengenalan Wajah Dengan Metode Face Features
Sistem Pengenalan Wajah Dengan Metode Face Features Ardiansiah 1, Widyadi Setiawan 2, Linawati 3 1 Mahasiswa Jurusan Teknik Elektro Dan Komputer, Fakultas Teknik Universitas Udayana 2, 3 Staff Pengajar
Lebih terperinciPERANCANGAN SISTEM PENGENALAN OBJEK VISUAL UNTUK PENGAMANAN DAN PEMANTAUAN FASILITAS PLTA
PERANCANGAN SISTEM PENGENALAN OBJEK VISUAL UNTUK PENGAMANAN DAN PEMANTAUAN FASILITAS PLTA Oleh : Abdillah Triningtyas 2209106060 Dosen Pembimbing : Dr. Ir. Achmad Affandi, DEA Dr. Ir. Wirawan, DEA LATAR
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. keberadaan wajah secara langsung dari sebuah kamera. Dengan demikian
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Metode Penelitian Penelitian ini menggunakan metode untuk mendeteksi posisi dan keberadaan wajah secara langsung dari sebuah kamera. Dengan demikian penelitian
Lebih terperinciImplementasi Pengenalan Wajah Berbasis Algoritma Nearest Feature Midpoint
Implementasi Pengenalan Wajah Berbasis Algoritma Nearest Feature Midpoint Diana Purwitasari, Rully Soelaiman, Mediana Aryuni dan Hanif Rahma Hakim Fakultas Teknologi Informasi, Institut Teknologi Sepuluh
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi wajah pada suatu citra merupakan bagian yang penting dalam perkembangan sistem pengenalan wajah (Face Recognition). Pengenalan wajah banyak digunakan untuk
Lebih terperinciPengenalan Image Wajah Dengan Menggunakan Metode Template Matching. Abstraksi
Pengenalan Image Wajah Dengan Menggunakan Metode Template Matching Moh. Khayat Subkhan 1, Yuliana Melita Pranoto 2 1 Mahasiswa Magister Teknologi Informasi, Sekolah Tinggi Teknik Surabaya 2 Dosen Magister
Lebih terperinciFUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ)
BAB 2 FUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ) Bab ini akan menjelaskan algoritma pembelajaran FNLVQ konvensional yang dipelajari dari berbagai sumber referensi. Pada bab ini dijelaskan pula eksperimen
Lebih terperinciPRODUCT PHOTOGRAPHY. Pertemuan ke 6. Dosen Pembimbing : Muhammad Fauzi S.Des., M.Ds Program Studi : Desain Produk Universitas Esa Unggul
PRODUCT PHOTOGRAPHY Pertemuan ke 6 Dosen Pembimbing : Muhammad Fauzi S.Des., M.Ds Program Studi : Desain Produk Universitas Esa Unggul Combination Light Tidak semua posisi lampu yang disebutkan sebelumnya
Lebih terperinciImplementasi Metode Fisherface pada Absensi Wajah Karyawan Studi Kasus PT. Illuminati Metamorphosis Makassar
Implementasi Metode Fisherface pada Absensi Wajah Karyawan Studi Kasus PT. Illuminati Metamorphosis Makassar Nurul Aini 1), Irmawati 2) 1) Manajemen Informatika STMIK Dipanegara, 2) Sistem Informasi STMIK
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA SISTEM
BAB IV PENGUJIAN DAN ANALISA SISTEM 4.1 Data Percobaan Pengujian yaitu merupakan bagian yang harus dilakukan untuk dapat mengetahui apakah alat yang telah dirancang mampu berfungsi sesuai apa yang diharapkan.
Lebih terperinciPERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA
PERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA Bharasaka Krisnandhika 51412445 Dr. Dewi Agushinta
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciTRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW
TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinci