Perbandingan Metode Principal Component Analysis Dan Convolutional Neural Network Untuk Pengenalan Wajah Pada Raspberry Pi

Fadilah, Arif (2024) Perbandingan Metode Principal Component Analysis Dan Convolutional Neural Network Untuk Pengenalan Wajah Pada Raspberry Pi. Diploma thesis, Universitas Komputer Indonesia.

	Text UNIKOM_Arif Fadilah_Cover.pdf - Published Version Download (68kB)
	Text UNIKOM_Arif Fadilah_Lembar Pengesahan.pdf - Published Version Download (283kB)
	Text UNIKOM_Arif Fadilah_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (181kB)
	Text UNIKOM_Arif Fadilah_Lembar Pernyataan.pdf - Published Version Download (348kB)
	Text UNIKOM_Arif Fadilah_Kata Pengantar.pdf - Published Version Download (61kB)
	Text UNIKOM_Arif Fadilah_Daftar Isi.pdf - Published Version Download (64kB)
	Text UNIKOM_Arif Fadilah_BAB I.pdf - Published Version Download (74kB)
	Text UNIKOM_Arif Fadilah_BAB II.pdf - Published Version Download (1MB)
	Text UNIKOM_Arif Fadilah_BAB III.pdf - Published Version Restricted to Repository staff only Download (436kB) | Request a copy
	Text UNIKOM_Arif Fadilah_BAB IV.pdf - Published Version Restricted to Repository staff only Download (40MB) | Request a copy
	Text UNIKOM_Arif Fadilah_BAB V.pdf - Published Version Download (41kB)
	Text UNIKOM_Arif Fadilah_Daftar Pustaka.pdf - Published Version Download (62kB)
	Text Kontak Penulis dan Kontributor.pdf - Published Version Download (459kB)

Abstract

Pengenalan wajah merupakan teknologi biometrik yang krusial dalam berbagai aplikasi seperti keamanan, pengawasan dan sistem akses informasi. Namun, aku- rasi sistem ini dapat terganggu oleh beberapa faktor seperti pencahayaan, ekspresi wajah dan oklusi. Penelitian ini membandingkan metode Principal Component Analysis (PCA) dan Convolutional Neural Network (CNN) untuk pengenalan wajah pada Raspberry Pi 3 Model B+ dan mengevaluasi kinerja kedua metode terhadap parameter iluminasi, ekspresi, dan oklusi, serta membandingkan beban komputasi yang diperlukan. Dari pengujian yang telah dilakukan, menunjukkan bahwa PCA memiliki akurasi total 79.59% dengan waktu pengenalan rata-rata 0.67 detik, serta penggunaan CPU dan RAM yang lebih rendah. PCA lebih efisien dalam hal komputasi dan cocok untuk kondisi dengan kapasitas komputasi yang terbatas, seperti pencahayaan stabil dan perangkat dengan daya pemrosesan rendah. Di sisi lain, CNN mencapai akurasi lebih tinggi sebesar 81.63%, na- mun dengan waktu pengenalan lebih lambat yaitu 1.08 detik, serta memerlukan lebih banyak penggunaan CPU dan RAM. CNN unggul dalam menghadapi para- meter yang lebih bervariasi, namun membutuhkan daya komputasi yang lebih besar.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Pengenalan Wajah, Principal Component Analysis (PCA), Support Vector Machine (SVM), Convolution Neural Network, Raspberry Pi
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	D3 TUGAS AKHIR > FTIK_Teknik Komputer (08)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	13 Sep 2025 02:35
Last Modified:	13 Sep 2025 02:35
URI:	http://elibrary.unikom.ac.id/id/eprint/10937

Actions (login required)

View Item