Implementasi Algoritma Discrete Cosine Transform, Gray Level Co-occurrence Matrix dan Backpropagation untuk Face Recognition

Wijaya, Neldy (2023) Implementasi Algoritma Discrete Cosine Transform, Gray Level Co-occurrence Matrix dan Backpropagation untuk Face Recognition. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (749kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (209kB) | Preview
Preview	PDF BAB_I.pdf Download (211kB) | Preview
Preview	PDF BAB_II.pdf Download (286kB) | Preview
Preview	PDF BAB_III.pdf Download (283kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (909kB)
Preview	PDF BAB_V.pdf Download (202kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (982kB)

Abstract

Perkembangan teknologi yang pesat membutuhkan sistem keamanan yang dapat memberikan perlindungan terhadap aset dan privasi setiap individu, menciptakan rasa aman yang diperlukan. Salah satu teknologi yang digunakan adalah pengenalan wajah, yang sedang mengalami banyak pengembangan karena kemampuannya dalam mengidentifikasi identitas dan emosi manusia melalui wajah. Meskipun pengembangan pengenalan wajah telah banyak dilakukan, hasil yang diperoleh belum mencapai akurasi maksimal dan waktu latih yang lama, sehingga diperlukan penelitian lanjutan untuk meningkatkan akurasi tersebut dan waktu latih. Penelitian sebelumnya oleh Vera menggunakan GLCM telah berhasil meningkatkan akurasi pengenalan wajah. Dalam penelitian ini, ditambahkan metode ekstraksi fitur Discrete Cosine Transform (DCT) dengan hipotesis bahwa metode ini dapat meningkatkan akurasi dan waktu pelatihan dengan menggunakan fitur-fitur penting dan kecepatan yang lebih tinggi. Selain itu, digunakan juga ekstraksi fitur gabungan lainnya, yaitu menggunakan Gray Level Co-occurrence Matrix (GLCM) untuk mendapatkan informasi yang terkandung dalam citra. Setelah itu, dilakukan pelatihan data menggunakan jaringan syaraf tiruan Backpropagation sebagai komponen utama dalam pengelolaan dan pengenalan wajah. Hasil pengujian menunjukkan tingkat akurasi sebesar 78% pada data yang telah dikelola menggunakan kombinasi DCT dan GLCM. Namun, jika dilakukan kombinasi antara DCT dengan Backpropagation atau GLCM dengan Backpropagation, tingkat akurasi yang sama dapat dicapai, yaitu sebesar 94%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Backpropagation, DCT, Ekstrasi fitur, GLCM, Perkenalan wajah.
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:	07 Jul 2023 09:50
Last Modified:	25 Aug 2023 06:11
URI:	https://kc.umn.ac.id/id/eprint/25886

Actions (login required)

View Item