Pengenalan Wajah Menggunakan Metode Principal Component Analysis (Pca) Dan Support Vector Machine (Svm)

Nurakbar, Alfi (2022) Pengenalan Wajah Menggunakan Metode Principal Component Analysis (Pca) Dan Support Vector Machine (Svm). Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_Alfi Nurakbar_Cover.pdf - Published Version Download (18kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_Lembar Pengesahan.pdf - Published Version Download (9MB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (134kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_Lembar Pernyataan.pdf - Published Version Download (9MB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_Kata Pengantar.pdf - Published Version Download (73kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_Daftar Isi.pdf - Published Version Download (39kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_BAB I.pdf - Published Version Download (19kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_BAB II.pdf - Published Version Download (602kB) | Preview
	Text UNIKOM_Alfi Nurakbar_BAB III.pdf - Published Version Restricted to Repository staff only Download (197kB) | Request a copy
	Text UNIKOM_Alfi Nurakbar_BAB IV.pdf - Published Version Restricted to Repository staff only Download (340kB) | Request a copy
Preview	Text UNIKOM_Alfi Nurakbar_BAB V.pdf - Published Version Download (9kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_Daftar Pustaka.pdf - Published Version Download (76kB) | Preview
Preview	Text UNIKOM_Alfi Nurakbar_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf - Published Version Download (73kB) | Preview

Abstract

Sistem pengenalan wajah merupakan teknologi yang banyak dikembangkan oleh banyak peneliti, disebabkan sistem ini juga banyak penerapannya di dalam berbagai aplikasi. Beberapa aplikasi yang menerapkan pengenalan wajah adalah seperti pada sistem keamanan, akses informasi pribadi, absensi dan lainnya. Permasalahan yang timbul dalam sistem pengenalan wajah ini adalah pada citra wajah terdapat perbedaan variasi cahaya (iluminasi), variasi pose dan ekspresi, halangan pada wajah (oklusi) yang dapat mempengaruhi tingkat akurasi. Proses pengenalan wajah biasanya terdiri dari dua yaitu fitur ekstraksi dan klasifikasi. Pada penelitian ini digunakan metode Principal Component Analysis (PCA) sebagai proses ekstraksi dan Support Vector Machine (SVM) sebagai proses klasifikasi. Penggunaan SVM diharapkan dapat meningkatkan tingkat akurasi Kinerja yang akan dianalisis adalah tingkat akurasi pengenalan dan waktu komputasi. Dari hasil pengujian yang dilakukan, sistem dapat menganalisa hasil kinerja PCA terhadap algoritma klasifikasi menggunakan SVM didapatkan tingkat akurasi 5-13% untuk dataset AT&T, Georgia Tech, dan mandiri. Sedangkan pada dataset Yale B didapatkan kenaikan akurasi sebesar 35% dibandingkan PCA dengan klasifikasi menggunakan jarak Euclidean Distance. Dengan menggunakan SVM didapatkan waktu komputasi yang lebih cepat dibandingkan dengan PCA dengan menggunakan klasifikasi jarak Euclidean Distance.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengenalan Wajah, Principle Component Analysis, Support Vector Machine
Subjects:	700_THE ARTS; FINE & DECORATIVE ARTS > 740_Drawing & Decorative Arts. N Fine Arts > N Visual arts (General) For photography, see TR
Divisions:	S1_SKRIPSI > FD_Desain Interior (20)
Depositing User:	Mia Hayati Kosasih
Date Deposited:	05 Sep 2023 04:48
Last Modified:	05 Sep 2023 04:48
URI:	http://elibrary.unikom.ac.id/id/eprint/7396

Actions (login required)

View Item