Kompresi Citra Wajah dengan Metode K-means Clustering

Leonardo, Leonardo (2021) Kompresi Citra Wajah dengan Metode K-means Clustering. Bachelor Thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (412kB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (103kB)
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (183kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (227kB) | Preview
	Text BAB_III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (202kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (617kB)
	Text BAB_V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (106kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Sebuah gambar terbuat dari gabungan pixel yang memiliki dimensi dan berwarna merah, hijau, dan biru. Setiap warna merah, hijau, dan biru memiliki value 8-bit atau 256 warna sehingga total warna dari setiap pixel gambar adalah 24-bit. Sedangkan gambar grayscale hanya memiliki total warna sebanyak 8-bit pada setiap pixel gambar. Semakin banyak variasi warna, maka ukuran file dari sebuah gambar akan semakin besar. Dari permasalahan yang telah dipaparkan, maka dibuatlah sistem kompresi citra wajah yang dapat mengurangi warna dengan melakukan kuantisasi warna beserta eksperimen menggunakan grayscale. Dataset yang diperlukan pada penelitian ini didapat dari CelebA berupa kumpulan gambar selebritas yang sudah di-align menjadi satu ukuran dimensi. Berdasarkan penelitian yang telah dilaksanakan, kompresi citra wajah dengan metode k-means clustering telah berhasil dibuat. Metode k-means clustering memiliki kelebihan dijalankan, diimplementasikan, digunakan, diadaptasi, serta waktu yang dibutuhkan untuk menjalankan pembelajaran relatif cepat. Metode PSNR diterapkan untuk menghitung kualitas antara gambar awal dengan gambar yang sudah terkuantisasi warnanya. Hasil analisis sistem menghasilkan 4 variasi gabungan warna dapat memberikan nilai gabungan PSNR dan ukuran gambar paling baik pada gambar berwarna dan gambar grayscale.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Leonardo, Leonardo (00000013388)
Contributors:	Christian Young, Julio Suryadibrata, Alethea
Keywords:	Gambar, Grayscale, K-means Clustering, Kuantisasi warna, Sistem kompresi citra wajah
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Sustainable Development Goals:	Goal 04. Ensure inclusive and equitable quality education and promote lifelong learning Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	24 Aug 2021 18:34
URI:	https://kc.umn.ac.id/id/eprint/15849

Actions (login required)

View Item