Mulyadi, Agus (2022) Sistem Pengenalan Wajah Menggunakan Principal Component Analysis Dan K-Nearest Neighbor. Other thesis, Universitas Komputer Indonesia.
|
Text
UNIKOM_Agus Mulyadi_Cover.pdf - Published Version Download (25kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_Lembar Pengesahan.pdf - Published Version Download (323kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (113kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_Lembar Pernyataan.pdf - Published Version Download (246kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_Kata Pengantar.pdf - Published Version Download (71kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_Daftar Isi.pdf - Published Version Download (171kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_BAB I.pdf - Published Version Download (23kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_BAB II.pdf - Published Version Download (360kB) | Preview |
|
![[img]](http://elibrary.unikom.ac.id/style/images/fileicons/text.png) |
Text
UNIKOM_Agus Mulyadi_BAB III.pdf - Published Version Restricted to Repository staff only Download (297kB) | Request a copy |
|
|
Text
UNIKOM_Agus Mulyadi_BAB IV.pdf - Published Version Restricted to Repository staff only Download (407kB) | Request a copy |
|
|
Text
UNIKOM_Agus Mulyadi_BAB V.pdf - Published Version Download (11kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_Daftar Pustaka.pdf - Published Version Download (75kB) | Preview |
|
|
Text
UNIKOM_Agus Mulyadi_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf - Published Version Download (83kB) | Preview |
Abstract
Pengenalan wajah adalah teknologi untuk pengenalan biometrik berdasarkan pengetahuan tentang fitur wajah manusia. Pada penelitian ini akan dibuat sistem pengenalan wajah menggunakan metode Principal Component Analysis (PCA) sebagai fitur ekstraksi dan K-Nearest Neighbor (KNN) sebagai klasifikasi. Pada tugas akhir ini, sistem yang dibangun menggunakan bahasa pemrograman Python, dan diuji ke empat dataset yaitu dataset AT&T, Yale B, Georgia Tech dan Mandiri. Dari hasil pengujian yang telah dilakukan, sistem pengenalan wajah menggunakan metode PCA dan KNN mendapatkan tingkat akurasi tertinggi sebesar 93,5% dengan waktu komputasi 1.4 detik pada dataset AT&T. Tingkat akurasi 78% dengan waktu komputasi 5 detik pada dataset Georgia Tech. Kemudian tingkat akurasi sebesar 84% dengan waktu komputasi 7 detik pada dataset Yale B, dan 93.5% dengan dengan waktu komputasi 1,4 detik pada dataset Mandiri. Pengenalan wajah menggunakan metode PCA dan KNN dapat menghasilkan kenaikan tingkat akurasi sebesar 10-20% dibandingkan dengan PCA dengan klasifikasi sederhana menggunakan jarak Euclidean.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Fitur Ekstraksi, Principal Component Analysis, K-Nearest Neighbor. |
| Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | S1_SKRIPSI > FTIK_Sistem Komputer (02) |
| Depositing User: | Mia Hayati Kosasih |
| Date Deposited: | 05 Sep 2023 04:30 |
| Last Modified: | 05 Sep 2023 08:13 |
| URI: | http://elibrary.unikom.ac.id/id/eprint/7394 |
Actions (login required)
 |
View Item |
