Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah

Dessy Wuryandari, Maharani (2011) Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Pengenalan wajah merupakan suatu bidang yang masih terus diteliti danbr / dikembangkan untuk berbagai keperluan seperti absensi, pendataan penduduk,br / sistem keamanan dan lain-lain. Metode kecerdasan buatan khususnya jaringanbr / syaraf tiruan backpropagation dan learning vector quantization adalah 2 metodebr / yang sering digunakan untuk aplikasi pengenalan wajah. Kedua metode tersebutbr / merupakan metode pembelajaran terawasi yang biasa dipakai untuk pengenalanbr / pola secara tipikal, yaitu mengelompokkan pola-pola ke dalam kelas-kelas pola,br / sehingga tepat untuk digunakan dalam aplikasi pengenalan wajah. Perbandinganbr / metode jaringan syaraf tiruan backpropagation dan learning vector quantizationbr / pada pengenalan wajah digunakan untuk dapat mengetahui perbedaan,br / kekurangan, kelebihan dan hasil optimal dari kedua metode tersebut untukbr / digunakan pada pengenalan wajah.br / Pembangunan aplikasi perbandingan metode jaringan syaraf tiruanbr / backpropagation dan learning vector quantization pada pengenalan wajahbr / menggunakan paradigma waterfall dan pemrograman berbasis objek dengan UMLbr / diagram. Dalam aplikasi ini digunakan proses pengolahan citra terhadap citrabr / masukan sebelum citra tersebut dimasukkan ke dalam JST, diantaranya prosesbr / scalling, grayscale, edgedetection dengan metode sobel dan thresholding.br / Sedangkan metode JST yang digunakan untuk mengenali wajah antara lainbr / metode backpropagation dan learning vector quantization.br / Hasil penelitian ini adalah kombinasi parameter terbaik dari learningbr / vector quantization yaitu maksimal perulangan 10, rasio pembelajaran 0,1 danbr / minimal error 0,1. Sedangkan backpropagation yaitu maksimal perulangan 50,br / rasio pembelajaran 0,5 dan minimal error 0,001. Dari segi akurasi dan waktu,br / metode learning vector quantization lebih baik dibandingkan dengan metodebr / backpropagation. Dengan tingkat akurasi pengenalan 37,63 % dan rata-rata waktubr / pengenalan 32 milisecond dari 675 kali pengenalan terhadap 25 citra wajahbr / dengan 27 kombinasi parameter pembelajaran.

Item Type: Article
Uncontrolled Keywords: Pengenalan wajah, Artificial Intelligence, Jaringan Syaraf Tiruan, Backpropagation, Learning Vector Quantization.
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2011
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 07:58
Last Modified: 16 Nov 2016 07:58
URI: https://repository.unikom.ac.id/id/eprint/19957

Actions (login required)

View Item View Item