PENGENALAN WAJAH MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GEOMETRIK DAN LINEAR DISCRIMINANT ANALYSIS

Febry, Dwi Fitrianto (2020) PENGENALAN WAJAH MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GEOMETRIK DAN LINEAR DISCRIMINANT ANALYSIS. S1 thesis, Universitas Mataram.

[img] Text
Skripsi Febry Dwi Fitrianto(final).pdf
Restricted to Repository staff only

Download (11MB)

Abstract

Setiap manusia memiliki wajah dengan bentuk dan struktur yang berbeda antar satu manusia dengan manusia yang lain. Dari teori tersebut muncullah suatu ilmu untuk mengenali wajah manusia (face recognition), yang dapat diaplikasikan dalam banyak bidang. Misalnya dalam bidang keamanan, dapat membantu mencari seorang penjahat menggunakan foto wajahnya, lalu pengenalan wajah juga dapat membantu perusahaan atau perkantoran dalam mengurus absensi atau kehadiran pegawai-pegawainya, dan masih banyak aplikasi pengenalan wajah pada bidang-bidang yang lain. Dalam penelitian ini akan dibangun sebuah sistem pengenalan wajah mahasiswa, sehingga antar civitas akademik dalam suatu Universitas dapat mengenal identitas mahasiswa satu sama lain melalui foto wajahnya. Sistem pengenalan wajah ini, dapat menjadi sebuah teknologi baru yang bermanfaat bagi Universitas ke depannya. Contohnya, sistem pengenalan wajah ini dapat digunakan sebagai sistem untuk presensi kuliah, sistem kegiatan Universitas, sistem kegiatan mahasiswa, dan lain-lain. Penelitian ini menerapkan metode Linear Discriminant Analysis untuk pencarian ciri wajah mahasiswa, serta Euclidean Distance yang digunakan untuk mencari jarak atau kemiripan satu citra dengan yang lain berdasarkan nilai-nilai ciri. Dari penelitan yang dilakukan untuk pengidentifikasian wajah dengan jumlah data 30 mahasiswa menggunakan metode linear Discriminant Analysis (LDA) dan Euclidean Distance berhasil diterapkan untuk melakukan identifikasi citra digital wajah yang memiliki efektifitas keberhasilan sebesar 70,83% untuk data uji yang memiliki 14 fitur, 81,60% untuk data uji yang memiliki 24 fitur, 89,16% untuk data uji yang memiliki 34 fitur, dan 92,5% untuk data uji yang memiliki 44 fitur dengan menggunakan resolusi citra sebesar 475x475 piksel.

Item Type: Thesis (S1)
Keywords (Kata Kunci): Kata kunci: wajah, Linear Discriminant Analysis, Euclidean Distance
Subjects: T Technology > TJ Mechanical engineering and machinery
Divisions: Fakultas Teknik
Depositing User: Rini Trisnawati
Date Deposited: 23 Jun 2020 01:27
Last Modified: 23 Jun 2020 01:27
URI: http://eprints.unram.ac.id/id/eprint/15914

Actions (login required)

View Item View Item