Implementasi algoritma backpropagation neural networks untuk pengenalan wajah 3 dimensi

Julio, Daud (2016) Implementasi algoritma backpropagation neural networks untuk pengenalan wajah 3 dimensi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	Text HALAMAN AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (808kB) | Preview
Preview	Text BAB II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (912kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Sistem pengenalan wajah 3 dimensi adalah sistem yang melakukan proses pengenalan wajah dengan menggunakan data kedalaman wajah. Data kedalaman wajah didapatkan dengan menggunakan perangkat Kinect Xbox One. Aplikasi ini digunakan untuk melakukan penelitian terhadap kinerja pattern recognition pada jaringan saraf tiruan dalam melakukan pengenalan suatu pola tertentu. Aplikas i dibangun dengan menggunakan bahasa pemrograman C# dan menggunakan Visual Studio Community 2015. 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 1902 detik dan menghasilkan akurasi 90% dengan menggunak a n hidden node sebanyak 10 dan learning rate sebesar 0,01. Kecepatan pengenala n wajah yang dapat dicapai adalah 42,1445 milidetik.

Item Type:	Thesis (Bachelor Thesis)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
Depositing User:	Administrator UMN Library
Date Deposited:	24 Jul 2017 02:41
Last Modified:	05 Apr 2023 04:51
URI:	https://kc.umn.ac.id/id/eprint/1248

Actions (login required)

View Item