UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
|
|
- Leony Kartawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper ini akan dijelaskan tentang salah satu metode pengenalan wajah yaitu eigenfaces. Pengenalan wajah menggunakan eigenfaces melewati dua proses yaitu proses ekstraksi fitur dengan metode Principle Component Analysis (PCA) dan proses klasifikasi dengan metode euclidean distance. Penelitian ini bertujuan untuk menekankan penggunaan matematika pada teknologi, dalam hal ini adalah teknologi pengenalan wajah. Selain itu, juga ditunjukan bagaimana implementasi dan kinerja eigenfaces terhadap proses pengenalan wajah dengan melakukan eksperimen menggunakan basis data ORL. Dengan dilakukan penelitian terhadap eigenface yang berbasis matriks dan vektor menunjukan bahwa matematika memiliki peranan dalam perkembangan teknologi. Penggunaan eigenfaces pada pengenalan wajah juga dapat mengeksplorasi kegunaan matriks lebih banyak. Sehingga, matriks tidak hanya diketahui sebagai susunan angka yang tak bermakna, tetapi juga berperan dalam teknologi khususnya pengenalan wajah pada citra digital. Pada proses pelatihan, semakin banyak citra wajah per kelas maka semakin tinggi akurasi pengenalan wajah yang dihasilkan. Terlihat dari hasil pengolahan basis data menggunakan matlab yaitu nilai akurasi mencapai 97,5 ketika menggunakan 9 citra wajah. Kata kunci: Face Recognition, Eigenfaces, PCA, ORL. 1. Pendahuluan Face Recognition (pengenalan wajah) dewasa ini telah menjadi salah satu bidang yang banyak diteliti dan juga dikembangkan oleh para pakar pengenalan pola. Suatu citra digital dalam hal ini citra grayscale (citra abuabu) dengan pixel sebagai ukuran citranya, memiliki kesesuaian dengan ukuran pada matriks yaitu baris dan kolom. Sehingga sebuah citra grayscale dapat digambarkan sebagai suatu matriks. Pada proses pengenalan wajah, citra digital yang berupa sampel wajah diubah kedalam matriks dan setelah itu diproses untuk dikenali. Metode yang digunakan untuk pengenalan wajah pada penelitian ini adalah eigenfaces. Metode ini dikembangkan oleh oleh Turk dan Pentland [2][3]. Pengenalan wajah menggunakan eigenfaces melewati dua proses yaitu proses ekstraksi fitur dari sampel wajah dan proses klasifikasi. Proses ekstraksi fitur bertujuan untuk mendapatkan ciri-ciri pembeda yang membedakan suatu sampel wajah dari sampel wajah yang lain. Dimana ciri tersebut akan digunakan pada proses klasifikasi untuk mengklasifikasikan
2 wajah yang ingin dikenali berdasarkan fitur-fitur yang dipilih. Proses ekstraksi fitur pada eigenfaces menggunakan metode berbasis matrik yang disebut Principal Component Analysis (PCA). Sedangkan pada proses klasifikasi, eigenfaces menggunakan ukuran kedekatan dua vektor yaitu euclidean distance. Penelitian ini bertujuan untuk menekankan penggunaan matematika pada teknologi, dalam hal ini adalah teknologi pengenalan wajah. Selain itu, pada penelitian ini juga akan dilakukan implementasi dan uji kinerja pengenalan wajah menggunakan eigenfaces. 2. Eigenfaces Eigenfaces terdiri atas sekumpulan vektor eigen yang merepresentasikan ciri dari suatu citra wajah dalam basis data. Teknik ini pertama kali dikembangkan oleh Mathew Turk dan Alex Pentland dari Vision and Modelling Group, The Media Laboratory, Massachusetts Institute of Technology [2][3]. Eigenfaces menggunakan unsupervised statistical technique yang cukup popular, yaitu Principal Component Analysis (PCA). PCA berusaha melakukan proyeksi dari ruang citra dengan dimensi yang lebih tinggi ke ruang ciri dengan dimensi yang lebih rendah. Reduksi dimensi dari ruang citra ke ruang ciri dilakukan untuk meningkatkan efisiensi dalam proses perhitungan dan komputasi [2][3]. Gambar 1. Basis data ORL yang digunakan sebagai data pelatihan Suatu citra wajah yang berukuran pixel, berkorespondensi dengan matriks yang memiliki baris dan kolom. Setiap citra wajah pada data pelatihan berukuran sama yaitu pixel, maka himpunan matriks yang dihasilkan berukuran. Sehingga diperoleh himpunan Citra wajah dalam bentuk matriks. Contoh citra wajah yang digunakan sebagai data pelatihan pada basis data ORL [4] dapat dilihat pada gambar 1. Misalkan diberikan basis data citra wajah yang setiap citra wajah berukuran diubah menjadi vektor kolom yang berukuran.
3 3 ABDUL AZIS ABDILLAH [ ] [ ] Sehingga diperoleh himpunan vektor citra wajah untuk pelatihan yaitu, dengan berukuran. Langkah-langkah metode PCA untuk memperoleh eigenfaces [2][3] adalah sebagai berikut. 1. Menghitung citra wajah rata-rata dari basis data, menggunakan formula (1) Citra wajah rata-rata digambarkan dengan citra wajah yang kabur. Citra wajah rata-rata menggambarkan ciri-ciri pada wajah yang sama, misalkan posisi mata hidung dan mulut. Citra wajah rata-rata pada basis data ORL dapat dilihat pada gambar 2. Gambar 2. Citra wajah rata-rata 2. Setiap citra wajah dikurangi dengan citra wajah rata-rata dimana. Proses ini menghilangkan ciri-ciri yang sama pada setiap citra wajah. Dengan dihilangkannya ciri-ciri yang sama dari setiap citra wajah, maka akan diperoleh matriks dengan ragam yang besar. Citra wajah hasil normalisasi pada basis data ORL dapat dilihat pada gambar 3. (2) 3
4 Gambar 3. Citra wajah hasil normalisasi 3. Hitung matriks koovarian, dimana matriks koovarian diformulasikan sebagai berikut (3) dengan matrix. Matriks koovarian digunakan untuk membandingkan setiap citra wajah dengan citra lainnya yang terdapat pada basis data. 4. Menghitung vektor eigen dan nilai eigen dari matriks koovarian. Namun, dikarenakan matriks koovarian berukuran maka matriks koovarian memiliki maksimal vektor eigen dan nilai eigen. Sehingga, perhitungan dan beban komputasi yang dibutuhkan untuk memperoleh vektor eigen dari matriks koovarian sangatlah besar. Oleh karena itu, Turk dan Pentland [2] memodifikasi cara untuk menghitung vektor eigen dari matriks koovarian. Caranya yaitu dengan mencari vektor eigen terlebih dahulu seperti berikut Kalikan kedua ruas dengan, sehingga menjadi (4) Dapat dilihat bahwa adalah vektor eigen dari. Dengan cara diatas beban perhitungan dan komputasi akan sangat berkurang, yaitu dari menghitung vektor eigen matriks dengan dimensi menjadi hanya menghitung vektor eigen matriks dengan dimensi dimana dimensi relativ kecil jika dibandingkan dengan. 5. Normalisasikan setiap vektor eigen sehingga panjangnya adalah satu. Vektor eigen hasil normalisasi yang diperoleh dari matriks inilah yang disebut dengan eigenfaces [2][3]. Gambar 4 menunjukkan contoh eigenfaces yang diperoleh dari citra pelatihan pada basis data ORL. (5)
5 5 ABDUL AZIS ABDILLAH Gambar 4. Eigenfaces dari basis data ORL 3. Pengenalan Wajah Menggunakan Eigenfaces Pada bagian sebelumnya telah dijelaskan langkah untuk menyusun suatu basis data yang berisikan vektor eigen dan nilai eigen menggunakan PCA yang disebut dengan eigenfaces. Pada bagian ini dijelaskan prosedur pengenalan wajah menggunakan eigenfaces. Proses pengenalan citra wajah pada penelitian ini yaitu dengan cara membandingkan jarak antara bobot citra masukan dengan bobot setiap citra pelatihan pada ruang wajah. Proses ini dilakukan dengan cara mengambil error minimum dengan menggunakan Euclidean distance. Misalkan diberikan sebuah citra masukan. Proses pengenalan wajah [2] memiliki tahapan-tahapan sebagai berikut. 1. Transformasikan citra wajah pelatihan dan citra wajah masukan ke ruang wajah dengan tahapan sebagai berikut Langkah 1 Hitung dari setiap citra wajah dan citra masukan menggunakan formula (6) dimana. Langkah 2 Proyeksikan setiap citra ke eigenspace, menggunakan formula : dimana menyatakan bobot dari citra wajah baru. Kemudian transformasikan bobot tersebut menjadi vector (7) [ ] (8) Ilustrasi ruang wajah menggunakan dua eigenfaces dapat dilihat pada gambar 5. 5
6 Gambar 5. Ilustrasi tiga citra wajah pada ruang wajah mengunakan dua eigenfaces dan [2] 2. Gunakan Euclidean distance untuk menghitung jarak antara citra masukan dan citra pelatihan, dan kemudian dibandingkan untuk mencari jarak minimum. Euclidean distance [1] diformulasikan dengan (9) dengan adalah Metric Euclides. Gambar 6. Ruas kiri merupakan citra masukan dan ruas kanan merupakan citra hasil pencarian pada basis data Gambar 6 pada ruas kiri menunjukkan ilustrasi dari citra masukan dan pada ruas kanan citra hasil pencarian menggunakan eigenfaces. Sedangkan gambar 7, pada ruas kiri mengilustrasikan bobot dari citra masukan dan pada ruas kanan hasil perhitungan jarak menggunakan Euclidean Distance dengan setiap citra pada 40 basis data. Gambar 7. Bobot dari citra masukan dan hasil pencarian Euclidean Distance dengan setiap citra wajah pada basis data
7 7 ABDUL AZIS ABDILLAH 4. Hasil Eksperimen dan Pembahasan Eksperimen Pengenalan wajah dengan Eigenfaces menggunakan software Matlab R2009a. Spesifikasi komputer yang digunakan pada eksperimen adalah Processor Intel Pentium(R) Dual-Core 2.0GHz 1.20 GHz, RAM 3.5 GB dan OS Windows Vista Ultimate. Citra wajah yang digunakan pada eksperimen menggunakan ukuran pixel yang sama untuk setiap basis data. Citra wajah yang digunakan berasal dari basis data ORL. Basis data ORL [4] merupakan basis data yang open source dan dapat diunduh secara gratis untuk keperluan penelitian. Selain dilakukan pembahasan dan analisis terhadap eigenfaces juga dilakukan eksperimen menggunakan matlab. Pada eksperimen ini setiap basis data dilakukan pengenalan citra wajah dimulai dari satu citra per kelas hingga sembilan citra per kelas sebagai data pelatihan dan sebuah citra yang digunakan untuk data tes. Dari eksperimen diperoleh hasil untuk basis data ORL yang dapat dilihat pada tabel 1. Tabel 1. Hasil pengenalan wajah dan persentase ketepatan pengenalan wajah per kelas menggunakan basis data ORL orang banyaknya citra uji per kelas ke
8 orang ke banyaknya citra uji per kelas Akura si Berdasarkan Tabel. 1 nilai akurasi yang paling rendah terlihat ketika citra wajah yang digunakan hanya satu yaitu sedangkan untuk 2 citra wajah, nilai akurasi mengalami kenaikan menjadi 72,5. Persentase akurasi terlihat semakin besar ketika jumlah citra wajah yang digunakan semakin banyak. Yaitu mencapai 97,5 ketika citra wajah yang digunakan adalah 9 citra wajah. Berdasarkan basis data di atas dapat dilihat, semakin banyak citra wajah yang digunakan maka nilai akurasi yang dihasilkan menjadi semakin besar yaitu mencapai 97,5. 5. Kesimpulan Berdasarkan penelitian yang telah dilakukan, dapat diambil beberapa kesimpulan sebagai berikut : 1. Pengenalan wajah menggunakan eigenfaces merupakan salah satu contoh penerapan matematika dalam teknologi. 2. Penggunaan eigenfaces pada pengenalan wajah dapat mengeksplorasi kegunaan matriks lebih banyak. Sehingga, matriks tidak hanya diketahui sebagai susunan angka yang tak bermakna, tetapi juga berperan dalam teknologi khususnya pengenalan wajah pada citra digital. 3. Semakin banyak citra wajah per kelas pada proses pelatihan maka semakin tinggi akurasi pengenalan wajah yang dihasilkan. Terlihat dari hasil pengolahan basis data menggunakan matlab yaitu nilai akurasi mencapai 97,5 ketika menggunakan 9 citra wajah. Referensi [1] Anton, Howard dan Rorres, Chris., 2004, Aljabar Linear Elementer Versi Aplikasi Edisi Kedelapan/Jilid 1, Erlangga. [2] M. Turk and A. Pentland., 1991, Face Recognition Using Eigenfaces, Proc of IEEE Conf. on Computer Vision and Pattern Recognition. Juni (1991), pp [3] M. Turk and A. Pentland., 1991, Eigenfaces for Recognition, Journal of Cognitive Neuroscience. (1991), vol. 3, no. 1, pp [4] ORL Database. diakses tanggal 12 Oktober 2013
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini menjelaskan landasan teori dari metode yang digunakan dalam proses pengenalan wajah, yaitu terdiri atas: metode Eigenface, dan metode Jarak Euclidean. Metode Eigenface digunakan
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciPENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)
ISSN: 1693-6930 177 PENGENALAN WAJAH MANUSIA DENGAN MEODE PRINCIPLE COMPONEN ANALYSIS (PCA) Murinto Program Studi eknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus III UAD Jl Prof Dr. Supomo,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
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 terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciBAB 1 PENDAHULUAN. 1. Sistem pengawasan atau surveillance system
BAB 1 PENDAHULUAN Bab ini menjelaskan latar belakang, permasalahan, tujuan, dan ruang lingkup dari tugas akhir. Setelah itu dilanjutkan dengan sistematika penulisan laporan. 1.1. Latar Belakang Saat ini
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 terperinciPEMANFAATAN GUI DALAM PENGEMBANGAN PERANGKAT LUNAK PENGENALAN CITRA WAJAH MANUSIA MENGGUNAKAN METODE EIGENFACES
PEMANFAATAN GUI DALAM PENGEMBANGAN PERANGKAT LUNAK PENGENALAN CITRA WAJAH MANUSIA MENGGUNAKAN METODE EIGENFACES Ni Wayan Marti Jurusan Manajemen Informatika, Fakultas Teknik dan Kejuruan,Universitas Pendidikan
Lebih terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN : PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE
PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE Nunu Kustian Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email: kustiannunu@gmail.com Abstrak
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 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 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 terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 355~360 355 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE Abdul Hamid
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
Lebih terperinciANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS
ANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS Fetty Tri Anggraeny, Wahyu J.S Saputra Jurusan Teknik Informatika, Universitas
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 terperinciPENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
PENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Riza Firdaus Ardiansyah NIM : A11.2009.05106 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file). Sedangkan
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 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 terperinciANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR
ANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR Shinta Puspasari MDP Computer and Informatics Management Institute Jl. Rajawali 14, Palembang, 30113, Indonesia e-mail : shinta@stmik-mdp.net ABSTRAKSI
Lebih terperinciDEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH
Jurnal Matematika Vol. 2 No. 1, Juni 2012. ISSN : 1693-1394 DEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH Beni Utomo Laboratorium Matematika Komputasi, Jurusan Informatika, Sekolah Tinggi Teknologi
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
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 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 terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciAplikasi Principle Component Analysis (PCA) Untuk Mempercepat Proses Pendeteksian Obyek Pada Sebuah Image
Aplikasi Principle Component Analysis (PCA) Untuk Mempercepat Proses Pendeteksian Obyek Pada Sebuah Image Liliana Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Kristen Petra, Surabaya
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB V KESIMPULAN. Wajah pada Subruang Orthogonal dengan Menggunakan Laplacianfaces
BAB V KESIMPULAN Berdasarkan uji coba dan analisis hasil pengujian terhadap Sistem Pengenalan Wajah pada Subruang Orthogonal dengan Menggunakan Laplacianfaces Terdekomposisi QR dapat disimpulkan sebagai
Lebih terperinciKombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah
Kombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah Rima Tri Wahyuningrum 1,2 Prodi Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo Jl. Raya Telang, PO BOX 2 Kamal, Bangkalan
Lebih terperinciImplementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA)
46 Implementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA) Iwan Setiawan setiawanise@yahoo.com, Welly Iskand welly.iskand@gmail.com, Fauzi Nur Iman
Lebih terperinciSISTEM VERIFIKASI ONLINE MENGGUNAKAN BIOMETRIKA WAJAH
SISTEM VERIFIKASI ONLINE MENGGUNAKAN BIOMETRIKA WAJAH I Nyoman Piarsa, Riza Hisamuddin Staff Pengajar Teknik Elektro, Fakultas Teknik, Universitas Udayana Kampus Bukit Jimbaran, Bali, 80361 Email: manpits@ee.unud.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Pengenalan Ekspresi Wajah Manusia Pengenalan ekspresi wajah manusia oleh mesin dapat dideskripsikan sebagai interpretasi terhadap karakteristik ekspresi wajah manusia melalui
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 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 terperinciSISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION
SISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION Putri Nurmala 1 ; Wikaria Gazali 2 ; Widodo Budiharto 3 1, 2 Mathematics and Statistics Department, School of Computer Science,
Lebih terperinciABSTRAK. Kata kunci: Citra wajah manusia, Principal Component Analysis (PCA), Eigenfaces, Euclidean Distance. ABSTRACT
16 Dielektrika, ISSN 2086-9487 Vol. 1, No. 1 : 16-23 Pebruai, 2014 EKSTRAKSI CIRI WAJAH MANUSIA MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK SISTEM PENGENALAN WAJAH [Feature Extraction
Lebih terperinciPengenalan Wajah Menggunakan Two Dimensional Linier Discriminant Analysis Berbasis Feature Fussion Strategy
Pengenalan Wajah Menggunakan Two Dimensional Linier Discriminant Analysis Berbasis Feature Fussion Strategy Benny Afandi Institut Teknologi Sepuluh Nopember Surabaya b2nafandi@gmail.com Sahmanbanta Sinulingga
Lebih terperinciSTUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI WAJAH
Widyanto, Studi Analisis Eigenface dan Eigen Fuzzy Set untuk Ekstraksi Ciri Bibir pada Sistem Identifikasi Wajah STUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI
Lebih terperinciPENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN
PENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN Bagus Fadzerie Robby 1), Resty Wulanningrum 2) 1), 2) Universitas Nusantara PGRI Kediri 1), 2) Jl. KH. Achmad Dahlan 76, Kediri, Jawa Timur 64112 Email
Lebih terperinciBAB 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 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 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 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 terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciAplikasi Screen Lock pada Smartphone Menggunakan Identifikasi Wajah dengan Menerapkan Pointwise
Citec Journal, Vol. 1, No. 1, November 13 Januari 14 ISSN: 2354-5771 Aplikasi Screen Lock pada Smartphone Menggunakan Identifikasi Wajah dengan Menerapkan Pointwise 1 Andi Widiyanto* 1, Bintang Dian Mahardika
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI PADA PT FLORINDO LESTARI
SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI PADA PT FLORINDO LESTARI Indra Fakultas Teknologi Informasi, Universitas Budi Luhur, Jakarta 12260 E-mail : indra@budiluhur.ac.id ABSTRAK Absensi
Lebih terperinciPROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA)
PROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA) Jemmy E.Purwanto Jemmy.e.Purwanto@Gmail.com Pembimbing I :
Lebih terperinciSTUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI WAJAH
Widyanto, Studi Analisis Eigenface dan Eigen Fuzzy Set untuk Ekstraksi Ciri Bibir pada Sistem Identifikasi Wajah STUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI
Lebih terperinciPENGEMBANGAN SISTEM PENCATAT PEMAKAIAN KOMPUTER LAB DENGAN BIOMETRIKA PENGENAL WAJAH EIGENFACE. Oleh
PENGEMBANGAN SISTEM PENCATAT PEMAKAIAN KOMPUTER LAB DENGAN BIOMETRIKA PENGENAL WAJAH EIGENFACE Oleh Kadek Ananta Satriadi 1, Made Windu Antara Kesiman,S.T.,M.Sc., I Gede Mahendra Darmawiguna,S.Kom.,M.Sc.
Lebih terperinciPenerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis
Penerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis Puspita Ayu Ningsih Putri. SY, Wirawan, Hendra Kusuma Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember
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 terperinciMenurut Ming-Hsuan, Kriegman dan Ahuja (2002), faktor-faktor yang mempengaruhi sebuah sistem pengenalan wajah dapat digolongkan sebagai berikut:
BAB 2 LANDASAN TEORI Bab ini akan menjelaskan berbagai landasan teori yang digunakan oleh penulis dalam penelitian ini dan menguraikan hasil studi literatur yang telah dilakukan penulis. Bab ini terbagi
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 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 terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Saat ini jalan tol menjadi suatu jalan alternatif untuk mengatasi kemacetan lalu lintas ataupun untuk mempersingkat jarak dari satu tempat ke tempat lain. Untuk menikmati layanan
Lebih terperinciSISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR
SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciIMPLEMENTASI DAN ANALISIS TEKNIK PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DAN LINE EDGE MAP BERBASIS CITRA DIGITAL
IMPLEMENTASI DAN ANALISIS TEKNIK PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DAN LINE EDGE MAP BERBASIS CITRA DIGITAL IMPLEMENTATION AND ANALYSIS FACE RECOGNITION TECHNIQUE USING EIGENFACE AND LINE EDGE
Lebih terperinciBAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini, eksperimen dilakukan terhadap metode Independent Component Analysis (ICA) dan Principal Component Analysis (PCA). Fokus utama penelitian
Lebih terperinci1. Pendahuluan Perumusan Masalah Dari latar belakang yang dipaparkan di atas, masalah yang dapat dirumuskan adalah:
1. Pendahuluan 1.1. Latar Belakang Wajah manusia dapat menunjukkan dimorfisme seksual yang cukup jelas [1][2][3][4][5]. Wajah pria dan wanita memiliki bentuk dan tekstur yang berbeda, dan petunjuk yang
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
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 terperinciSISTEM PENGAMANAN HANDPHONE MENGGUNAKAN FACE RECOGNITION BERBASIS ANDROID
Jurnal... Vol. XX, No. X, Bulan 20XX, XX-XX 1 SISTEM PENGAMANAN HANDPHONE MENGGUNAKAN FACE RECOGNITION BERBASIS ANDROID Mirna Astria 1, Juni Nurma Sari 2, Mardhiah Fadhli 3 Program Studi Teknik Informatika
Lebih terperinciPengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)
JURNAL EKNIK IS ol 1, (Sept, 212) ISSN: 231-9271 A-439 Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA) Ratna Dwi Kartika Rini, Wirawan dan Hendra Kusuma Jurusan eknik Elektro-FI,
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 terperinciPengenalan Huruf Arab Menggunakan Metode Reduksi Two Dimensional Principal Component Analysis (2DPCA) dan Klasifikasi K-Nearest Neighbor (K-NN)
Jurnal Matematika Integratif ISSN 1412-6184 Volume 12 No.1, April 2016, pp 27 34 Pengenalan Huruf Arab Menggunakan Metode Reduksi Two Dimensional Principal Component Analysis (2DPCA) dan Klasifikasi K-Nearest
Lebih terperinciPENERAPAN ALGORITMA PRINCIPLE COMPONENT ANALYSIS (PCA) DAN FITUR RGB UNTUK PELACAKAN JENIS DAN WARNA BUAH
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA PRINCIPLE COMPONENT ANALYSIS (PCA) DAN FITUR RGB UNTUK PELACAKAN JENIS DAN WARNA BUAH 1 Suta Wijaya, 2 Hendri, 3 Gasim Jurusan
Lebih terperinciENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5
MAKALAH SEMINAR TUGAS AKHIR ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5 Sunaryo 1, Budi Setiyono 2, R. Rizal Isnanto 2 Abstrak - Biometrik merupakan
Lebih terperinciPengenalan Citra Wajah Sebagai Identifier Menggunakan Metode Principal Component Analysis (PCA)
JURNAL TEKNIK INFORMATIKA VOL 9 NO. 2, OKTOBER 2016 166 Pengenalan Citra Wajah Sebagai Identifier Menggunakan Metode Principal Component Analysis (PCA) Aris Budi S 1, Suma'inna 2, Hata Maulana 3 1,2 Matematika,
Lebih terperinciPERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK
PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciRANCANG BANGUN APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE YANG BERORIENTASI PADA PRINCIPAL COMPONENT ANALYSIS (PCA)
RANCANG BANGUN APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE YANG BERORIENTASI PADA PRINCIPAL COMPONENT ANALYSIS (PCA) Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik
Lebih terperinciANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO.
ANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO Nurani Fitriyah 1),Dr. Ir. BambangHidayat 2),SuciAulia, ST,MT 3) 1 FakultasTeknikElektro, Telkom University
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1. 1 Latar Belakang Jaringan saraf buatan merupakan kumpulan dari elemen-elemen pemrosesan buatan yang disebut neuron. Sebuah neuron akan mempunyai banyak nilai masukan yang berasal dari
Lebih terperinciPengenalan wajah dengan algorithma Eigen Face Oleh: Hanif Al Fatta
Pengenalan wajah dengan algorithma Eigen Face Oleh: Hanif Al Fatta Abstraksi Pengenalan wajah (face recognition) yang merupakan salah satu penerapan image processing, kini telah dipakai untuk banyak aplikasi.
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciDAFTAR ISI v. ABSTRACT ii KATA PENGANTAR iii. DAFTAR GAMBAR.vii DAFTAR TABEL...ix
ABSTRAK Dalam laporan tugas akhir ini dijelaskan mengenai suatu sistem pengenal identitas manusia dengan menggunakan wajah sebagai pengenalnya, atau yang lebih dikenal dengan Face Recognition. Tujuan dari
Lebih terperinciBAB 4 IMPLEMENTASI Implementasi
BAB 4 IMPLEMENTASI Bab ini menuturkan penjelasan mengenai implementasi dari sistem pengujian yang dibangun berdasarkan hasil analisis dan perancangan sistem yang telah dibahas pada bab sebelumnya. Bab
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN Dalam bab ini diuraikan kesimpulan dan saran berdasarkan pembahasan yang telah dijelaskan dalam tugas akhir ini. Kesimpulan dan saran juga diambil berdasarkan hasil uji coba
Lebih terperinciPENGEMBANGAN SISTEM PENENTU SUDUT PANDANG WAJAH 3-D DENGAN MENGGUNAKAN PERHITUNGAN JARAK TERPENDEK PADA GARIS CIRI DALAM RUANG EIGEN
MAKARA, SAINS, VOL. 6, NO. 2, AGUSTUS 2002 PENGEMBANGAN SISTEM PENENTU SUDUT PANDANG WAJAH 3-D DENGAN MENGGUNAKAN PERHITUNGAN JARAK TERPENDEK PADA GARIS CIRI DALAM RUANG EIGEN Benyamin Kusumoputro dan
Lebih terperinciAkurasi. Perangkat Lunak: Sistem operasi: Windows Vista Home Premium Aplikasi pemrograman: Matlab 7.0
Tabel 1 Dimensi citra di tiap level Level transformasi Dimensi citra 1 46 56 2 23 28 3 12 14 4 6 7 5 3 4 6 2 2 Pada Gambar 5 disajikan visualisasi transformasi wavelet hingga level 3. Deskripsi citra dekomposisi
Lebih terperinciSTMIK MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
STMIK MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 RANCANG BANGUN APLIKASI PEMBELAJARAN KARAKTER MANDARIN BERBASIS PENGENALAN KARAKTER DENGAN METODE PCA
Lebih terperinci