Implementasi Algoritma Discrete Consine Transform, Gaussian Mixture Model, dan Backpropagation untuk Face Recognition

Wahyu Hidayat, Rafif (2023) Implementasi Algoritma Discrete Consine Transform, Gaussian Mixture Model, dan Backpropagation untuk Face Recognition. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (2MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (209kB) | Preview
Preview	PDF BAB_I.pdf Download (210kB) | Preview
Preview	PDF BAB_II.pdf Download (330kB) | Preview
Preview	PDF BAB_III.pdf Download (266kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (454kB)
Preview	PDF BAB_V.pdf Download (203kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (787kB)

Abstract

Face Recognition merupakan sebuah sistem biometrik yang digunakan untuk mengidentifikasi seseorang melalui wajahnya. Face Recognition biasa digunakan untuk keamanan publik, sistem otentikasi, sistem kesehatan dan lainnya. Ekstraksi fitur dapat digunakan untuk meningkatkan akurasi dari face recognition, algoritma ekstraksi fitur antara lain Discrete Consine Transform (DCT) dan Gaussian Mixture Model (GMM). Metode yang digunakan dalam penelitian ini adalah menggunakan ekstraksi fitur frekuensi rendah dari DCT dan GMM, kemudian dilatih dengan Jaringan Saraf Tiruan (JST) Backpropagation dengan hipotesa penambahan DCT dapat meningkatkan akurasi dan kecepatan waktu latih. Pengujian juga akan dilakukan untuk kombinasi dari algoritma ekstraksi fitur yang dapat menghasilkan hasil akurasi terbaik. Hasil dari penelitian didapatkan penggunaan metode pengambilan frekuensi rendah 8x8 piksel dari Discrete Consine Transform tidak menghasilkan peningkatan nilai akurasi, akurasi terbaik yang didapat ialah sebesar 86.59% dengan training time selama 20.02 detik, precision sebesar 0.89, recall sebesar 0.87 dan F1-Score sebesar 0.86 yang didapat dari kombinasi ekstraksi fitur dengan GMM dengan nilai parameter n components adalah 3 dan random state adalah 1 yang hasilnya digabungkan dengan gambar asli untuk dilakukan training dengan Backpropagation dengan learning rate sebesar 0.01 dengan hidden node sebanyak 150 dengan MLPClassifier.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Backpropagation, Discrete Consine Transform, Ekstraksi fitur, Face Recognition, Gaussian Mixture Model.
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++ 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:	10 Jul 2023 09:57
Last Modified:	25 Aug 2023 05:59
URI:	https://kc.umn.ac.id/id/eprint/26013

Actions (login required)

View Item