Implementasi Algoritma Gray Level Co-occurrence Matrix dan Backpropagation untuk Face Recognition

Vera, Vera (2022) Implementasi Algoritma Gray Level Co-occurrence Matrix dan Backpropagation untuk Face Recognition. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (915kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (209kB) | Preview
Preview	PDF BAB_I.pdf Download (211kB) | Preview
Preview	PDF BAB_II.pdf Download (657kB) | Preview
Preview	PDF BAB_III.pdf Download (307kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (463kB)
Preview	PDF BAB_V.pdf Download (272kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Seiring berkembangnya teknologi, kepentingan untuk memperkuat sekuritas infor- masi atau properti fisik menjadi sangat penting dan sulit. Salah satu dari teknologi tersebut adalah pengenalan wajah. Sistem pengenalan wajah adalah kecerdasan buatan yang mampu mengenali atau mengidentifikasi wajah manusia dari citra digital. Namun saat ini sistem pengenalan wajah sudah banyak dikembangkan, namun tingkat akurasinya belum maksimal, sehingga diperlukan penelitian untuk meningkatkan akurasi. Salah satu metode yang dapat meningkatkan akurasi dalam pengenalan wajah adalah ekstraksi fitur, hal ini dikarenakan tahapan ekstraksi fitur merupakan tahapan yang paling penting dalam sistem pengenalan wajah. Tahapan ini bertujuan untuk memperoleh informasi yang terkandung dalam suatu citra un- tuk kemudian dijadikan sebagai acuan untuk membedakan antara citra yang satu dengan citra yang lain. Terdapat beberapa metode ekstraksi fitur yang dapat digu- nakan dalam pengenalan wajah, salah satunya menggunakan metode Gray Level Co-occurrence Matrix (GLCM). GLCM merupakan suatu metode yang digunakan untuk mencari pola-pola tekstur lokal pada citra dan metode yang dapat mengadopsi pengenalan wajah dengan lebih cepat adalah dengan menggunakan Jaringan syaraf tiruan (JST) yaitu Backpropagation. Berdasarkan uji coba yang telah dilakukan, diperoleh hasil akurasi pengujian dengan ekstraksi fitur GLCM terbaik sebesar 89% pada saat jarak ketetanggaan GLCM sebesar 1 piksel.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Backpropagation, Ekstraksi fitur, GLCM, Pengenalan wajah, Tekstur
Subjects:	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
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 03:57
Last Modified:	08 Aug 2023 04:56
URI:	https://kc.umn.ac.id/id/eprint/22025

Actions (login required)

View Item