Resume PDF
Resume PDF
Abstrak
Computer Vision adalah salah satu bidang penelitian yang sedang berkembang sekarang ini. Inti
dari Computer Vision adalah bagaimana sebuah mesin mampu mengenali suatu objek. Salah satu
aplikasi praktis yang tengah giat dikembangkan dalam Computer Vision adalah pembangunan
sistem pengenalan wajah (Face Recognition System). Sejauh ini, kendala utama yang dihadapi
dalam sistem pengenalan wajah berkisar pada masalah variasi pose, orientasi wajah, variasi
pencahayaan dan masalah komputasi ketika prosedur pengenalan dijalankan oleh komputer.
Tugas akhir ini berusaha membangun sistem pengenalan wajah. Sistem yang dibangun akan
mampu mengenali identitas dari wajah masukan berdasar database yang telah disimpan
sebelumnya. Hasil percobaan memberikan akurasi pengenalan terbaik sebesar 85,45 %. Citra uji
yang digunakan adalah citra wajah yang tidak terdapat dalam database wajah, terdiri dari 120
citra dari orang-orang dalam database dan 100 citra dari orang-orang di luar database.
Dilakukan ekstraksi ciri menggunakan Principal Component Analysis (PCA) untuk mereduksi
dimensi citra agar waktu proses lebih cepat. Proses akhir dari pengenalan adalah klasifikasi, yang
dalam tugas akhir ini dilakukan dengan metode Jaringan Fungsi Basis Radial.
Abstract
Nowadays, Computer Vision is being a greatly developed research. The main idea of Computer
Vision is how to make the machine be able to recognize an object. One of the Computer Vision‟s
applications that rapidly developed is face recognition system. So far, kinds of problem that faced
in developing a face recognition system are about pose variance, face orientation, lighting and
computational problems when the recognizing procedure is running.
In this paper, face recognition system try to be constructed. The system will be able to recognize
the identity of face based on the database that had been trained before. The result of this
research shows that the highest accuracy of the system is 85.45 %. Images that are used for
testing are face images which are do not contained in the training set. They consist of 120 images
of people whose face already trained before and another 100 images of people whose face are
outside the database.
Principal Component Analysis (PCA) is used as feature extractor to reduce the image dimension
so that the processing time goes faster. Final process of this recognizing system is classifying that
use a radial basis function network method.
BAB I
PENDAHULUAN
yang sederhana, didukung dengan teori pendekatan yang baik dan juga waktu
pelatihannya yang relatif cepat.
Untuk mempercepat proses komputasi digunakan metode Principal
Component Analysis sebagai pengesktrak ciri, karena keunggulannya melakukan
reduksi dimensi pada citra tanpa menghilangkan ciri – ciri yang memiliki
konstribusi besar dan menangani citra beresolusi tinggi secara efisien serta tingkat
komputasi yang cukup rendah sehingga memungkinkan kecepatan pengenalan
yang tinggi.
Karena itulah maka Pengenalan Wajah Manusia Menggunakan
Metode PCA (Principal Component Analysis) dan Jaringan Fungsi Basis
Radial diangkat sebagai judul tugas akhir ini.
1.2 Tujuan
Tujuan dari tugas akhir ini adalah sebagai berikut.
1. Merancang dan merealisasikan suatu sistem pengenalan wajah manusia
menggunakan metode PCA dan Jaringan Fungsi Basis Radial.
2. Melakukan analisa kinerja sistem ketika diberi input citra wajah yang
berasal dari database tanpa perlakuan ataupun diberi noise dan citra wajah
selain dari database.
3. Mengetahui akurasi sistem.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari penelitian yang dilakukan dalam tugas akhir ini dapat diperoleh
beberapa kesimpulan sebagai berikut.
1. Pengujian sistem dengan citra-citra wajah dari database dan hasil
olahannya (noising atau denoising) tidak merepresentasikan kinerja sistem.
2. Akurasi optimal yang dicapai sistem adalah sebesar 85,45%. Hasil ini
representatif karena citra-citra uji bukan merupakan citra-citra dalam
database.
5.2 Saran
Tugas akhir ini diharapkan memberikan isu-isu praktis dalam
membangun sistem pengenalan wajah yang handal. Beberapa hal yang
disarankan untuk dilakukan di masa mendatang adalah sebagai berikut.
1. Perlu diteliti metode pendekatan unsupervised dalam penentuan nilai
center pada Jaringan Fungsi Basis Radial.
2. Perlu penelitian lebih lanjut tentang verifikasi bagi hasil keluaran Jaringan
Fungsi Basis Radial selain menggunakan perhitungan jarak euclidean.
3. Perlu diteliti kemungkinan penggunaan metode-metode lain yang
memberikan akurasi lebih tinggi.
4. Pada tugas akhir ini, dimensi citra diubah menjadi sebuah matrik baris
yang elemennya berjumlah sama dengan jumlah pixel pada citra. Pada
kenyataannya, sebuah sinyal suara juga merupakan deretan data yang
disusun sebagai sebuah matrik baris yang jumlah elemennya sama dengan
banyaknya titik sample. Kemiripan ini menjadi dasar hipotesa bahwa
proses pengenalan wajah dalam tugas akhir ini dapat dimodifikasi untuk
membangun sistem pengenalan suara (Speech Recognition System).
DAFTAR PUSTAKA