PENGENALAN WAJAH BERBASIS FITUR PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN SELEKSI FITUR GENETIC ALGORITHM (GA) DAN K – NEAREST NEIGHBOR (KNN) CLASSIFIER

ABDUL SYAHID, MUH. (2021) PENGENALAN WAJAH BERBASIS FITUR PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN SELEKSI FITUR GENETIC ALGORITHM (GA) DAN K – NEAREST NEIGHBOR (KNN) CLASSIFIER. S1 thesis, Universitas Mataram.

Text TUGAS AKHIR - MUH. ABDUL SYAHID - F1D015049.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pengenalan wajah pada komputer mengadaptasi pengenalan wajah yang dilakukan oleh manusia yaitu dengan mengenali bentuk wajah, bentuk mata, bentuk bibir, hidung dan bagian-bagian lain yang mencirikan wajah seseorang. Komputer atau mesin membutuhkan algoritma dan metode yang tepat untuk mendapatkan akurasi yang tinggi dengan waktu komputasi yang baik dalam pengenalan wajah. Pada penelitian ini, akan digunakan ekstraksi fitur Principal Component Analysis (PCA) dengan metode klasifikasi K–Nearest Neighbor (KNN) dan untuk meningkatkan akurasi dan mempersingkat waktu komputasi K–Nearest Neighbor (KNN), akan digunakan metode Algoritma Genetika (GA) sebagai fitur seleksi untuk memberikan fitur yang optimal bagi K–Nearest Neighbor (KNN) pada pengenalan wajah. Bahan penelitian yang digunakan pada penelitian ini adalah ORL database dengan 400 citra wajah, terdiri dari 40 orang yang berbeda, dan setiap orang memiliki 10 citra wajah. Akurasi tertinggi yang didapatkan pada pengujian yaitu 89,2% dengan 50 fitur hasil seleksi GA dengan waktu komputasi 0,3792s. Waktu komputasi terbaik yang diperoleh pada pengujian yaitu sebesar 0,0952s dengan akurasi 74,2% menggunakan 10 fitur.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Kata kunci: Principal Component Analysis (PCA), K–Nearest Neighbor (KNN), Algoritma Genetika (GA), Pengenalan Wajah.
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik
Depositing User:	Rini Trisnawati
Date Deposited:	26 Jul 2021 07:55
Last Modified:	26 Jul 2021 07:55
URI:	http://eprints.unram.ac.id/id/eprint/22836

Actions (login required)

View Item