PENERAPAN EIGENFACE DAN EUCLIDEAN DISTANCE PADA FACE RECOGNITION UNTUK MENGETAHUI AKURASI

Gunara, Arsyalhaad Kautsar (2024) PENERAPAN EIGENFACE DAN EUCLIDEAN DISTANCE PADA FACE RECOGNITION UNTUK MENGETAHUI AKURASI. Diploma thesis, UPN Veteran Yogyakarta.

	Text Cover.pdf Download (175kB)
	Text Abstrak.pdf Download (13kB)
	Text Daftar Isi.pdf Download (48kB)
	Text Daftar Pustaka.pdf Download (78kB)
	Text Pengesahan Pembimbing Arsyal.pdf Download (183kB)
	Text Pengesahan Penguji Arsyal.pdf Download (200kB)
	Text SKRIPSI FULL_ARSYALHAAD KAUTSAR GUNARA_123180093.pdf Restricted to Repository staff only Download (1MB)

Abstract

Wajah merupakan salah satu instrumen yang dapat digunakan untuk mengenali seseorang.
Wajah digunakan untuk mengidentifikasi karena memiliki perbedaan yang paling tinggi.
Pengenalan wajah termasuk dalam teknologi biometrik, dimana teknologi biometrik
mempunyai kemampuan yang handal daripada metode konvensional, selain mudah diproses ciri
tersebut mempunyai keunikan dan melekat pada manusia. Kelebihan lain dari sistem biometrik
adalah setiap orang mempunyai ciri yang unik dan bervariasi satu sama lain. Penelitian pada
tahun 2017 yang menggunakan metode eigenface dalam sistem presensi berhasil mencapai
akurasi sebesar 86,67%. Oleh karena itu, penelitian ini berencana menggabungkan metode
eigenface dengan metode euclidean distance untuk meningkatkan akurasi lebih lanjut.
Eigenface adalah algoritme pengenalan wajah yang didasarkan pada Principal Component
Analysis (PCA). Eigenface terdiri dari sekumpulan eigen vektor yang mewakili karakteristik
citra wajah. Eigen vektor ini berasal dari matriks kovarian yang memiliki distribusi probabilitas
tinggi dan dimensi ruang vektor untuk mengenali wajah. Eigenface dikenal karena kinerjanya
yang sederhana dan cepat. Eigenface menangkap fitur utama wajah yang umum di semua wajah
manusia, memungkinkan sistem untuk mengenali wajah meskipun ada variasi dalam
pencahayaan, ekspresi, dan orientasi wajah. Sementara itu, euclidean distance adalah jarak
antara dua titik yang dapat digunakan untuk mengukur tingkat kesamaan.
Pada penelitian ini dilakukan pengujian dengan menggabungkan eigenface dan euclidean
distance dengan jumlah data sebanyak 280 data latih dan 120 data uji yang berukuran 112 x 92
piksel. Dari hasil pengujian tersebut didapatkan akurasi sebesar 90%. Hal ini menunjukkan
bahwa kombinasi eigenface dan euclidean distance dapat mengenali wajah dengan baik serta
memiliki nilai akurasi yang lebih tinggi daripada penelitian sebelumnya.
Kata kunci : citra wajah, eigenface, euclidean distance, pengenalan wajah

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	citra wajah, eigenface, euclidean distance, pengenalan wajah
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	26 Aug 2024 08:02
Last Modified:	26 Aug 2024 08:02
URI:	http://eprints.upnyk.ac.id/id/eprint/40817

Actions (login required)

View Item