UMN Knowledge Center

Implementasi Algoritma Convolutional Neural Networks dengan Metode PCA untuk Pengenalan Wajah 3 Dimensi

Taris, Farhan (2019) Implementasi Algoritma Convolutional Neural Networks dengan Metode PCA untuk Pengenalan Wajah 3 Dimensi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (834kB) | Preview
[img]
Preview
Text
HALAMAN_AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (723kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (858kB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (838kB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (715kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview

Abstract

Pada pengenalan wajah dua dimensi masih dapat dimanipulasi karena kurangnya fitur wajah. Kekurangan tersebut dapat diatasi dengan menggunakan sistem pengenalan wajah tiga dimensi berbasis convolutional neural network, pengenalan wajah memiliki kekurangan yaitu pelatihannya yang memakan waktu lama karena memiliki dimensi yang sangat besar. Metode PCA (Principal Component Analysis) digunakan untuk mengoptimasi algoritma CNN (Convolutional Neural Network) untuk melakukan pengenalan suatu pola dan mengurangi dimensi data yang perlu diproses oleh sistem. sistem ini dibangun dengan menggunakan bahasa pemrograman C# dan menggunakan Visual Studio Community 2015. Aplikasi dibangun untuk dilakukan pengetesan pada platform Windows. Data terdiri atas tujuh orang dengan setiap orang diambil foto wajah secara random sebagai sample. Sebanyak tujuh ratus sampel wajah digunakan untuk melakukan pelatihan. Menggunakan sepuluh foto wajah yang diambil secara acak untuk melakukan pengetesan akurasi. Sistem berhasil diimplementasikan menghasilkan akurasi tertinggi sebesar 90% dengan menggunakan learning rate sebesar 0,0001.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Principal Component Analysis, Convolutional Neural Network, Jaringan Saraf Tiruan, Pengenalan Wajah, Visual Studio Community 2015
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2019 04:09
Last Modified: 14 Jan 2020 01:18
URI: http://kc.umn.ac.id/id/eprint/10871

Actions (login required)

View Item View Item