Kompresi Citra Wajah dengan Metode K-means Clustering

Leonardo, Leonardo (2021) Kompresi Citra Wajah dengan Metode K-means Clustering. Bachelor Thesis 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)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (103kB) | Preview
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
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (202kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (617kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (106kB) | Preview
	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)
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 > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 18:34
Last Modified:	23 Aug 2023 07:34
URI:	https://kc.umn.ac.id/id/eprint/15849

Actions (login required)

View Item