KOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION
|
|
- Yulia Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION Christianto Mewlando Binus University, Jakarta, DKI Jakarta, Indonesia Fictor Benny Kurniawan Usodo Binus University, Jakarta, DKI Jakarta, Indonesia Lukman Citra Sentosa Binus University, Jakarta, DKI Jakarta, Indonesia Abstrak Pengenalan citra telah mendapat perhatian nyata selama beberapa dekade ini, untuk menjangkau hal itu sejumlah algoritma telah dikembangkan. Diantaranya, Principal Component Analysis (PCA) telah banyak digunakan sebagai metode untuk mendeteksi citra melalui Eigenface. Kemudian baru-baru ini, teknik baru untuk pengenalan citra melalui pendekatan linear dari suatu database telah diajukan, yaitu Non-negative Matrix Factorization (NMF), berbeda dengan metode sebelumnya, metode ini memakai non-negativity constraints. Ini menjadi suatu acuan baru untuk teknik kompresi dan pengenalan citra dalam bidang Computer Vision. Namun, banyak orang belum mengetahui bahwa teknik ini lebih baik dari teknik teknik sebelumnya. Oleh kerena itu penulis mencoba melakukan penelitian untuk membuktikan hal tersebut dalam melakukan kompresi dan pengenalan citra. Penulis mencoba membandingkan metode NMF dengan PCA dari berbagai aspek seperti akurasi dalam recognisi serta gangguan yang terjadi seperti noise. Dari penelitian ini didapat hasil bahwa metode NMF dapat melakukan kompresi citra dan hasil recognisi citra lebih baik (akurasi 94%) daripada PCA (akurasi 86%). Kata Kunci : Face recognition, kompresi, Non-negative Matrix Factorization, Principal Component Analysis, Eigenface, Computer Vision
2 1. Pendahuluan Perkembangan teknologi komputer pada dewasa ini telah mengalami kemajuan, termasuk dalam bidang Computer Vision. Computer Vision membuat komputer dapat melihat dan mengenali suatu citra layaknya manusia. Pengenalan citra yang dimaksudkan salah satunya adalah pengenalan wajah (face recognition). Penelitian terhadap pengenalan wajah dalam beberapa dekade ini telah menarik banyak minat peneliti dalam mengembangkan teknik-teknik pengenalan wajah yang ada, sehingga dapat melakukan proses recognisi dengan akurasi yang baik (W. Zhao, R. Chellappa, A. Rosenfeld and J. Phillips, 2000). Hal ini sangat penting karena sistem pengenalan citra wajah ini sudah digunakan dalam sistem keamanan, sistem absensi, bahkan indentifikasi pelaku kejahatan. Komputer saat ini dapat menangani pengenalan manusia dengan menggunakan pengenalan wajah, tetapi muncul permasalahan baru dalam pengenalan wajah. Pengenalan wajah menjadi sulit untuk dikembangkan dengan adanya berbagai masalah seperti perbedaan ekspresi wajah, posisi menghadap wajah, detail wajah (mata tertutup atau tidak, mengenakan kaca mata atau tidak) dan kualitas dari citra wajah (noise). Selain itu penggunaan database yang sangat besar membuat metode tradisional menjadi tidak efektif atau bahkan sama sekali
3 tidak berfungsi dalam pengenalan wajah karena ukuran database yang digunakan besar. Principal Component Analysis (PCA) adalah sebuah teknik ekstraksi fitur yang umum dan sering digunakan dalam pengenalan pola (terutama dalam face recognition). Walaupun PCA merupakan teknik yang terkenal dalam pengenalan citra, ternyata PCA menghadapi permasalahan dalam menghadapi database wajah yang sangat besar, dimana waktu proses dari pengenalan menjadi lama dan akurasinya menjadi menurun dengan cepat apabila jumlah data semakin bertambah banyak (Li, S.Z., Hou, X.W., Zhang, H.J., Cheng, Q.S ). Baru-baru ini dikembangakan sebuah teknik ekstraksi fitur yang baru, yaitu Non-negative Matrix Factorization (NMF) (Lee D.D., Seung, H.S, 1999). Berbeda dengan PCA, selain mengekstraksi fitur citra, NMF juga dapat mereduksi dimensi ukuran storage penyimpanan, dalam arti lain mengkompresi (Michael W.Berry, Jacob Kogan, 2010). NMF memiliki akurasi yang baik dalam menghadapi permasalahan yang telah disebutkan diatas, selain itu penurunan akurasi yang diakibatkan oleh pertambahan data citra pada database relatif lebih lambat dibandingkan dengan metode PCA yang mengalami penurunan akurasi secara drastis. Hasil rekonstruksi NMF pun menghasilkan kualitas citra yang mendekati citra aslinya.
4 2. Methodology Ruang lingkup dari penelitian adalah sebagai berikut : a. Pengujian dan penelitian pengenalan citra wajah menggunakan dataset image Olivetti Research Laboratory (ORL) b. Jenis citra wajah yang dipakai sebagai data percobaan merupakan citra skala abu-abu, dengan format (.pgm) yang memiliki ukuran 92 x 112 piksel. c. Menggunakan MATLAB sebagai bahasa pemrograman dalam penelitian. d. Penelitian menggunakan metode Non-Negative Matrix Factorization (NMF) dan Pricipal Component Analysis sebagai metode pembanding. Metodologi yang digunakan terbagi menjadi dua proses, yaitu: a. Proses ekstraksi fitur (offline) yang disimpan kedalam database, yang kemudian akan digunakan untuk pengenalan citra wajah. b. Proses pengenalan citra wajah (online) berdasarkan input citra wajah seseorang yang ingin dikenali.
5 Proses offline Ekstrasi fitur (NMF + NMFSC) Resize V = = ORL Training Set Resize Fitur Vektor (Q) = Euclidean Input Image Proses online Recognition Gambar 1. Bagan Face Recognition 2.1 Evaluasi Dalam penelitian ini, didapatkan bahwa metode Non-Negative Matrix Factorization dapat melakukan proses kompresi terhadap dataset dengan baik, seperti yang dilihat pada tabel dibawah ini. Dengan ukuran awal dataset 600KB. Tabel 1 Tabel kompresi dataset MSE Rank KB 153 KB KB KB KB 80 KB 77 KB 75.5 KB 76.5 KB 77.5 KB 79 KB 75.5 KB 70.5 KB 76.5 KB 76.5 KB
6 Dalam melakukan proses pengenalan citra, metode NMF memiliki akurasi yang lebih baik dibandingkan metode PCA. Hasil perbandingan dapat dilihat pada tabel dibawah ini. Tabel 2 Tabel Perbandingan Metode PCA dengan NMF Metode PCA Metode NMF Jumlah Citra Gagal Berhasil Akurasi % 96% % 95% % 91.33% Rata Rata 86% 94% 3. Kesimpulan Berdasarkan pembahasan dan uji coba yang telah dilakukan, dapat disimpulkan hal-hal sebagai berikut : 1. NMF dapat melakukan proses kompresi dengan baik. Semakin kecil MSE semakin baik citra terkompresi dan semakin menyerupai citra aslinya. 2. Metode NMF lebih baik dari metode PCA. Dimana pada NMF memiliki rata-rata akurasi pengenalan citra wajah sebesar 94% sedangkan PCA hanya memiliki tingkat akurasi sebesar 86%. 3. Semakin kecil MSE yang digunakan maka semakin baik akurasi yang didapat. Namun untuk database dalam jumlah besar, tingkat akurasi akan berkurang
7 4. Masalah kesalahan pada proses recognisi dikarenakan adanya perbedaan pencahayaan pada citra yang ditraining dengan citra input dalam proses recognisi.
8 DAFTAR PUSTAKA [1] Boutsidis, C. G. (2005). On SVD-based initialization for nonnegative matrix factorization. Technical Report, HPCLAB-SCG-6/ [2] Buchsbaum, G. B. (2002). Color categories revealed by non-negative matrix factorization of Munsell color spectra. Vision Research 42, [3] Buciu, I. (2008). Non-negative matrix factorization, a new tool for feature extraction: Theory and Applications. IEEE 2nd International Conference on Computers, Communications and Control, (pp ). [4] Chen, X. G. (2001). Learning representative local features for face detection. Proc. of IEEE Conference on Computer Vision and Pattern Recognition. Hawaii. [5] D. Lee, H.Seung. (2001). Algorithms for Non-Negative Matrix Factorization. Adv. Neural Info. Proc, [6] D. Lee, H.Seung. (1999). Learning the parts of objects by non-negative matrix factorization. Nature 401, [7] Donoho, D. S. (2004). When does non-negative matrix factorization give a correct de-composition into parts? Neural Information Processing Systems. [8] E. Hjelmas, B. L. (2001). Face Detection: A Survey. Computer Vision and Image Understanding, [9] Ge, X. I. (2002). Learning the parts of objects by auto-association. Neural Networks 15, [10] Guillamet, D. B. A weighted non-negative matrix factorization for local representation. Proc. of IEEE Conference on Computer Vision and Pattern Recognition. Hawaii. [11]Guillamet, D. V. (2003). Introducing a weighted non-negative matrix factorization for image classification. Pattern Recognition Letters 24, [12] Hoyer, P. (2004). Non-negative matrix factorization with sparseness constraints. Journal of machine Learning Research 5, [13] I. Buciu, N. N. (2006). A comparative study of NMF, DNMF, and LNMF algorithms applied for face recognition Second IEEE-EURASIP International Symposium on Control, Communications, and Signal Processing
9 [14] Jolliffe, I. (1986). Principal Component Analysis. Springer-Verlag, New York. [15] L.J.P. van der Maaten, E. P. (2008). Dimensionality Reduction:AComparative Review. [16] Li, S. H. (2001). Learning spatially localized, parts-based representation. Proc. of IEEE Conference on Computer Vision and Pattern Recognition. Hawaii. [17] Liu, W. Z. (2004). Learning sparse features for classification by mixture models. Pattern Recognition Letters 25, [18] Liu, W. Z. (2004). Non-negative matrix factorization based methods for object recognition. Pattern Recognition Letters 25, [19] Michael W. Berrya, M. B. (2006). Algorithms and applications for approximate nonnegative matrix factorization. [20] Oja, Z. Y. (2005). Projective nonnegative matrix factorization for image compression and feature extraction. 14th Scandinavian Conference on Image Analysis, [21] P. F oldi ak, M. P. (1995). Sparse coding in the primate cortex. (M. A. Arbib, Ed.) The Handbook of Brain Theory and Neural Networks, [22] R.C. Gonzalez, R. W. (1992). Digital Image Processing. USA. [23] S. Li, X. H. (2001). Learning spatially localized, parts-based representation. Proc. of IEEE Conference on Computer Vision and Pattern Recognition, (pp ). [24] Turk, M. P. (1991). Eigenfaces for recognition. J. Cognitive Neuroscience 3, [25] W. Zhao, R. C. (2000). Face recognition: A literature survey. Technical Report, CFAR-TR [26] Wild, S. C. (2004). Improving non-negative matrix factorizations through structured initialization. Pattern Recognition 37, [27] Zhang, D.S.Chen, Zhou, Z.H. (2005). Two-dimensional Non-Negative Matrix Factorization for Face Representation and Reconition. Proceedings of the ICCV'05 Workshop on Analysis and Modeling of Faces and Gestures (AMFG'05), 3723, pp Springer, Berlin.
BAB 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 terperinciPERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE
PERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE David; Ferdinand Ariandy Luwinda Computer Science Department, School of Computer Science, Binus University Jl. K.H. Syahdan
Lebih terperinciIMPLEMENTASI DAN ANALISIS SISTEM PENGENALAN WAJAH DALAM RUANGAN PADA VIDEO MENGGUNAKAN METODE LNMF DAN NMFsc
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 389 IMPLEMENTASI DAN ANALISIS SISTEM PENGENALAN WAJAH DALAM RUANGAN PADA VIDEO MENGGUNAKAN METODE LNMF DAN NMFsc IMPLEMENTATION
Lebih terperinciBAB II KAJIANPUSTAKA
BAB II KAJIANPUSTAKA 2.1 Klasifikasi Klasifikasi adalah proses pengelompokan data menjadi suatu kelas berdasarkan kesamaan karakteristik pada data data yang ada. Ada 2 jenis metode yang dapat digunakan
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 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 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciPENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE FAKTORISASI MATRIKS NON-NEGATIF DAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK
PENGENALAN EKSPRESI WAJAH MENGGUNAKAN METODE FAKTORISASI MATRIKS NON-NEGATIF DAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK Andy Putra 1 ; Monica 2 ; Vinson Yogama 3 ; Diaz D. Santika 4 Jurusan Teknik Informatika,
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
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
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 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 terperinciPERBANDINGAN KOEFISIEN NMF DAN PROYEKSI BILINEAR SPACE SEBAGAI FITUR PADA PENGENALAN EKSPRESI WAJAH MANUSIA
PERBANDINGAN KOEFISIEN NMF DAN PROYEKSI BILINEAR SPACE SEBAGAI FITUR PADA PENGENALAN EKSPRESI WAJAH MANUSIA William Salim Computer Science Department, School of Computer Science, Binus University Jl. K.
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 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 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 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 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 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 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 terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciBAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem
1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika
Lebih terperinciPENGARUH POSISI DAN PENCAHAYAAN DALAM IDENTIFIKASI WAJAH
Seminar Nasional Teknologi Informasi & Komunikasi Terapan 11 (Semantik 11) ISBN --- PENGARUH POSISI DAN PENCAHAYAAN DALAM IDENTIFIKASI WAJAH Ricardus Anggi Pramunendar FTMK, Univesity Teknikal Malaysia
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan wajah (face recognition) merupakan salah satu teknologi biometric yang sangat dibutuhkan dalam berbagai aplikasi, seperti keamanan, verifikasi (pembuktian)
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 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 terperinciMatrix Factorization. Machine Learning
MMA10991 Topik Khusus - Machine Learning Matrix Factorization Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 05.11.13 1 Telp.
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 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 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 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 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 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 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 terperinciANALISIS KOMPONEN UTAMA MENGGUNAKAN METODE EIGENFACE TERHADAP PENGENALAN CITRA WAJAH
Volume 9 No.1 Januari 2017 ISSN : 2085 1669 e-issn : 2460 0288 Website : jurnal.umj.ac.id/index.php/jurtek Email : jurnalteknologi@umj.ac.id U N I V E R S I T A S M U H A M M A D I Y A H J A K A R T A
Lebih terperinciBAB 2 Landasan Teori
BAB 2 Landasan Teori Pengenalan manusia secara otomatis menggunakan mesin merupakan masalah yang menantang dan telah menjadi banyak perhatian selama beberapa tahun terakhir. (Jawad, Syed, dan Farrukh,
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
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 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 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 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 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 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 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 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 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 terperinciPENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS. Skripsi
PENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS Skripsi Di susun oleh : M. RIDHO MAJIDI (0934010056) PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVESITAS PEMBANGUNAN
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
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 terperinciPengembangan Model Pengenalan Wajah Manusia dengan Teknik Reduksi Dimensi Bi- 2DPCA dan Support Vector Machine sebagai Classifier
Pengembangan Model Pengenalan Wajah Manusia dengan Teknik Reduksi Dimensi Bi- dan Support Vector Machine sebagai Classifier Fredicia 1, Agus Buono 2, Endang Purnama Giri 2 1 Program Studi Teknik Informatika,
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 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. 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 terperinciPENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR
PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR Ardilla Ayu Dewanti Ridwan, Ivanna K. Timotius, Iwan Setyawan PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA
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 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 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 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 terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
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 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciModel Warna HSCbCrAB untuk Deteksi Kulit Menggunakan PCAkNN
Model Warna HSCbCrAB untuk Deteksi Kulit Menggunakan PCAkNN Tri Afirianto 1, Faizatul Amalia 2 1,2 Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya 1, 2 tri.afirianto@ub.ac.id, faiz_amalia@ub.ac.id
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 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 terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Artificial Intelligence Artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
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 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 terperinciPengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 1 Nomor 1 halaman 7-12 ISSN: 2089-6026 Pengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet Hand-Written
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinciSISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR. Febrian Ardiyanto NIM :
SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR Oleh Febrian Ardiyanto NIM : 13203137 PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2007
Lebih terperinciSistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT
Sistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT Regina Lionnie 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Universitas Mercu Buana, Jakarta 1 regina.lionnie.id@ieee.org,
Lebih terperinciANALISIS DAN IMPLEMENTASI SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE LNMF DAN LPP PADA RUANG TERBUKA
ANALISIS DAN IMPLEMENTASI SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN METODE LNMF DAN LPP PADA RUANG TERBUKA ANALYSIS AND IMPLEMENTATION OF FACE RECOGNATION SYSTEM USING LNMF AND LPP METHODS AT OUTDOOR Khairunnisa
Lebih terperinciDescriptor Clustering SURF for Bag of Visual Words Representation in Fingerprint Images Using K-MEANS and Hierarchical Agglomerative Clustering
2015 International Conference on Information, Communication Technology and System Descriptor Clustering SURF for Bag of Visual Words Representation in Fingerprint Images Using K-MEANS and Hierarchical
Lebih terperinci3
ANALISIS DAN IMPLEMENTASI SISTEM PENGENALAN WAJAH PADA VIDEO DI RUANGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS () DAN NON-NEGATIVE MATRIX FACTORIZATION WITH SPARSENESS CONSTRAINTS (NMFSC) ANALYSIS
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 terperinciPerbandingan Metode Ekstraksi Ciri Histogram dan PCA untuk Mendeteksi Stoma pada Citra Penampang Daun Freycinetia
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 2 Nomor 1 halaman 20-28 ISSN: 2089-6026 Perbandingan Metode Ekstraksi Ciri Histogram dan PCA untuk Mendeteksi Stoma pada Citra
Lebih terperinciBAB 1 PENDAHULUAN. Jumlah Pengunjung Atlantis Water Adventure. Jumlah Pengunjung
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kolam renang adalah suatu konstruksi buatan yang dirancang untuk diisi dengan air dan digunakan untuk berenang, menyelam, atau aktivitas air lainnya. Penggunaan kolam
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 terperinciBAB 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 terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciSISTEM IDENTIFIKASI WAJAH MANUSIA BERDASARKAN GENDER DAN USIA
SISTEM IDENTIFIKASI WAJAH MANUSIA BERDASARKAN GENDER DAN USIA Bayu Tri Wibowo 1 Karmilasari 2 1,2 Teknik Informatika Universitas Gunadarma, 1 bayu.tigundar@gmail.com 2 karmila@staff.gunadarma.ac.id Abstrak
Lebih terperinciPENERAPAN PCA DAN K-NN UNTUK MENINGKATKAN NILAI AKURASI PENGENALAN WAJAH
JURNAL INFORMATIKA HAMZANWADI Vol. 2 No. 1, Mei 2017, hal. 81-90 ISSN: 2527-6069 PENERAPAN PCA DAN K-NN UNTUK MENINGKATKAN NILAI AKURASI PENGENALAN WAJAH Yahya 1, Indra Gunawan 2, Bambang Harianto 3 1,2,3
Lebih terperinciIdentifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation
Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation Destri Wulansari, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciPENGEMBANGAN SISTEM ABSENSI BERBASIS FACE RECOGNITION DENGAN METODE LDA
PENGEMBANGAN SISTEM ABSENSI BERBASIS FACE RECOGNITION DENGAN METODE LDA Felix Hantoro Tan, Leonardus Indra Laksmana, Marcos H, Widodo Budiharto Universitas Bina Nusantara Jl. K H. Syahdan No. 9, Kelurahan
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciDeteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna
Deteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna Iping Supriana 1) Yoseph Suryadharma 2) 1) Program Studi Teknik Informatika Institut Teknologi Bandung email: iping@informatika.org
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 terperinciSISTEM PENGENALAN WAJAH (FACE RECOGNITION) MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM) Sepritahara Teknik Elektro Universitas Indonesia
SISTEM PENGENALAN WAJAH (FACE RECOGNITION) MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM) Sepritahara 0906603096 Teknik Elektro Universitas Indonesia Dr. Ir. Dodi Sudiana M.Eng Dr. Ir. Arman D.Diponegoro
Lebih terperinciPENGEMBANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGEMBANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) Indra Hermawan) ) ) Sekolah Tinggi Teknologi Terpadu Nurul Fikri Jl. Margonda Raya No. 522, Jawa
Lebih terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
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 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 terperinciKlasifikasi kelompok usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan
Klasifikasi kelompok usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan Nur Hayatin Teknik Informatika, Universitas Muhammadiyah Malang
Lebih terperinciDeteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna
Deteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna Shinta Puspasari STMIK Global Informatika MDP Palembang e-mail: shinta@stmik-mdp.net Abstract Metode yang diusulkan merupakan
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 terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciPengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor
Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor Fandiansyah 1, Jayanti Yusmah Sari 2, Ika Purwanti Ningrum 3, Jurusan Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinci