UMN Knowledge Center

implementasi algoritma backpropagation neural networks dengan optimasi pca untuk pengenalan wajah 3 dimensi

Jonathan, Jonathan (2018) implementasi algoritma backpropagation neural networks dengan optimasi pca untuk pengenalan wajah 3 dimensi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

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

Download (865kB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

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

Download (988kB) | Preview
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (854kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

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

Download (1MB) | Preview

Abstract

Metode yang digunakan untuk membantu memenuhi keaslian jaminan informasi adalah otentikasi berbasis biometric, antara lain, sistem pengenalan wajah dua dimensi, namun masih dapat melakukan kesalahan dalam pengenalan. Kekurangan tersebut bisa diatasi dengan menggunakan sistem pengenalan wajah tiga dimensi (3D) berbasis backpropagationneural network, namun proses pelatihan dan pengenalan wajah memakan waktu yang lama karena jumlah data yang harus diproses memiliki dimensi yang sangat besar.MetodePCA (Principal Component Analysis) digunakan untuk mengoptimasi algoritma backpropagation neural network untuk melakukan pengenalan suatu pola tertentu, dan mengurangi dimensi data yang perlu diproses oleh sistem. Aplikasi ini dibangun dengan menggunakan bahasa pemrograman C# dan menggunakan Visual Studio Community 2017. Aplikasi dibangun untuk testing yang dilakukan pada platform Windows. Data terdiri atas sepuluh orang dengan setiap orang diambil sepuluh wajah sebagai sample. Data training menggunakan delapan dari sepuluh wajah untuk setiap orang. Data testing menggunakan dua puluh data kedalaman wajah untuk menghitung akurasi. Sistem berhasil diimplementasikan dengan waktu pelatihan tercepat 62,1808 detik dan menghasilkan akurasi 80% dengan menggunakan hidden node sebanyak 100 dan learning rate sebesar 0,005. Kecepatan pengenalan wajah yang dapat dicapai adalah 65,3427 milidetik.

Item Type: Thesis (Bachelor Thesis)
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK452-454.4 Electric apparatus and materials. Electric circuits. Electric networks
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources > ZA4150-4380 Computer network resources
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
Depositing User: mr admin umn
Date Deposited: 30 Jan 2019 04:19
Last Modified: 30 Jan 2019 04:19
URI: http://kc.umn.ac.id/id/eprint/5055

Actions (login required)

View Item View Item