Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis (Lda) Dan Support Vector Machine (Svm)
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Ikhwan, Andika Muhammad
Subject
005_Computer Programming, Programs & Data
Datestamp
2024-01-18 01:26:15
Abstract :
Sistem pengenalan wajah adalah teknologi yang dikembangkan oleh banyak pe- neliti karena banyak digunakan dalam berbagai aplikasi, seperti sistem keamanan, akses informasi pribadi, dan absensi. Namun, terdapat beberapa permasalahan da- lam pengenalan wajah, seperti variasi cahaya, pose, ekspresi, dan oklusi pada citra wajah yang dapat mempengaruhi tingkat akurasi. Proses pengenalan wajah me- libatkan dua tahap, yaitu ekstraksi fitur dan klasifikasi. Dalam penelitian ini, di- gunakan metode Linear Discriminant Analysis (LDA) untuk proses ekstraksi dan Support Vector Machine (SVM) untuk proses klasifikasi dalam sistem pengenalan wajah. LDA merupakan pengembangan dari metode Principal Component Ana- lysis (PCA). Diharapkan penggunaan LDA dapat meningkatkan akurasi pengenalan wajah dan waktu komputasi. Pada penelitian ini simulasi dilakukan pada Dataset AT&T, Yale Face, Georgia Tech, dan Dataset Mandiri. Dataset Mandiri adalah data- set yang diambil secara mandiri yang terdiri dari 70 subjek dengan masing-masing subjek terdapat 10 citra yang berbeda. Dari hasil pengujian yang telah dilakukan, pengenalan wajah menggunakan LDA & SVM menghasilkan tingkat akurasi diatas 80% dengan waktu komputasi sebesar 1-2 detik.
Sistem pengenalan wajah adalah teknologi yang dikembangkan oleh banyak pe- neliti karena banyak digunakan dalam berbagai aplikasi, seperti sistem keamanan, akses informasi pribadi, dan absensi. Namun, terdapat beberapa permasalahan da- lam pengenalan wajah, seperti variasi cahaya, pose, ekspresi, dan oklusi pada citra wajah yang dapat mempengaruhi tingkat akurasi. Proses pengenalan wajah me- libatkan dua tahap, yaitu ekstraksi fitur dan klasifikasi. Dalam penelitian ini, di- gunakan metode Linear Discriminant Analysis (LDA) untuk proses ekstraksi dan Support Vector Machine (SVM) untuk proses klasifikasi dalam sistem pengenalan wajah. LDA merupakan pengembangan dari metode Principal Component Ana- lysis (PCA). Diharapkan penggunaan LDA dapat meningkatkan akurasi pengenalan wajah dan waktu komputasi. Pada penelitian ini simulasi dilakukan pada Dataset AT&T, Yale Face, Georgia Tech, dan Dataset Mandiri. Dataset Mandiri adalah data- set yang diambil secara mandiri yang terdiri dari 70 subjek dengan masing-masing subjek terdapat 10 citra yang berbeda. Dari hasil pengujian yang telah dilakukan, pengenalan wajah menggunakan LDA & SVM menghasilkan tingkat akurasi diatas 80% dengan waktu komputasi sebesar 1-2 detik.
File :
UNIKOM_Andika Muhammad Ikhwan_Cover.pdf
UNIKOM_Andika Muhammad Ikhwan_Lembar Pengesahan.pdf
UNIKOM_Andika Muhammad Ikhwan_BAB V.pdf
UNIKOM_Andika Muhammad Ikhwan_Daftar Pustaka.pdf
UNIKOM_Andika Muhammad Ikhwan_Kontak Penulis Dan Kontributor.pdf
UNIKOM_Andika Muhammad Ikhwan_Surat Keterangan Persetujuan Publikasi.pdf
UNIKOM_Andika Muhammad Ikhwan_Lembar Pernyataan.pdf
UNIKOM_Andika Muhammad Ikhwan_Kata Pengantar.pdf
UNIKOM_Andika Muhammad Ikhwan_Daftar Isi.pdf
UNIKOM_Andika Muhammad Ikhwan_BAB I.pdf
UNIKOM_Andika Muhammad Ikhwan_BAB II.pdf
UNIKOM_Andika Muhammad Ikhwan_BAB III.pdf
UNIKOM_Andika Muhammad Ikhwan_BAB IV.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
