Anggota Kelompok :

Farisna Hamid Jabbar (2000018170)

Deni Alfian Khaulany (2000018138)
Irfannullah (2000018145)
Review Paper 1:

Judul Penerapan metode LDA pada pengenalan wajah berbasis kamera

Tahun 2010
Penulis Asep Sholahuddin, Rustam E. Siregar, Iping Supriana ,Setiawan
Hadi
Tujuan Memaksimumkan matriks kovarian antar kelas sekaligus
meminimumkan matriks kovarian dalam kelas pada penelitian
pengenalan citra wajah berbasis kamera
Data yang digunakan Penelitian yang telah dilakukan ini menggunakan 10 buah citra
wajah yang diambil dari kamera dengan ukuran gambar 30 x 30.
Metode Penelitian Pada penelitian ini penulis mengambil gambar wajah dari 5 orang
yang terdiri atas 2 orang wanita dan 3 orang pria dengan
menggunakan kamera webcam. Setiap orang diambil gambar wajah
masing-masing sebanyak dua gambar wajah sehingga semuanya
berjumlah 10 gambar wajah. Setiap gambar wajah berukuran 30 x
30 pixel.
Hasil Penelitian Pada penelitian yang dilakukan, digunakan program Matlab versi 7
untuk mengambil data gambar dari kamera Webcam Logitech 1.3
Megapixel sebanyak 10 gambar wajah dari sebanyak 5 orang.
Hasilnya didapat data wajah sebanyak 4 orang dapat dikenali,
sedangkan satu data wajah tidak dikenali. Namun kemudian dicoba
lagi dengan menambahkan kacamata pada wajah yang tidak
dikenali, ternyata hasilnya dapat mengenali wajah tersebut.
Kelebihan Tingkat keberhasilan pengenalan wajah tergolong tinggi.

Kekurangan Jika data latih dengan data uji berbeda jauh posisi atau
pencahayaannya maka sistem ini tidak dapat mengenali dengan
baik.

Review Paper 2:

Judul Implementasi Metode Linear Discriminant Analysis (LDA) Untuk

Klasifikasi Pengambilan Mata Kuliah Pilihan
Tahun 2019
Penulis Ayu Anggrestianingsih, Agus Wahyu Widodo, Muhammad Tanzil
Furqon
Tujuan Mengimplementasikan metode linear discriminant analysis (LDA)
dengan mencari nilai akurasi tertinggi pada masing masing mata
kuliah yang diujikan sehingga bisa digolongkan masuk kelas ya
atau kelas tidak.
Data yang digunakan Dalam penelitian ini data yang digunakan adalah data primer pada
tahun 2015-2017 untuk training dan testing tahun 2018 yang
diperoleh dari akademik fakultas ilmu komputer universitas
brawijaya, dimana data latih yang digunakan sebanyak 30 data dan
5 data uji dengan 5 mata kuliah pilihan (Logika Fuzzy, Sistem
Pendukung Keputusan, Pengolahan Citra Digital, Sistem Pakar dan
Algoritma Evolusi) yang akan diklasifikasi dengan menggunakan
metode Linear Discriminant Analysis (LDA).

Metode Penelitian Pengujian mata kuliah pilihan algoritma evolusi keputusan

menggunakan data latih sebanyak 30 dan 15 data untuk masing-
masing kelas yang ada dan 5 data uji untuk menghitung nilai
akurasi. Nilai kelas ‘Ya’ dan kelas ‘Tidak’ diperoleh dari hasil akhir
perhitungan fungsi discriminant pada masing-masing kelas yang
kemudian dicari nilai tertinggi antara kelas ‘Ya’ dan kelas ‘Tidak’
sehingga menghasilkan class discriminant. Sedangkan kelas data
uji merupakan kelas yang sebenarnya yang ada pada kelas data
yang diujikan.
Hasil Penelitian Dengan menggunakan metode LDA (Linier Discriminant Analysis)
untuk mengklasifikasi 4 fitur (Semester, SKSK, IPK, dan Nilai
Prasyarat) dangan 2 kelas (Ya dan Tidak) serta 5 mata kuliah
pilihan (Logika Fuzzy, Sistem Kecerdasan Buatan, Pengolahan
Citra Digital, Algoritma Evolusi, Sistem Pakar) telah terbukti dapat
mengklasifikasi data yang ada.
Lalu dari skenario pengujian yang ada, tingkat akurasi dengan
menggunakan metode LDA tergantung pada kelas data uji.
Skenario yang memiliki nilai terbesar yaitu 80% dengan
menggunakan 30 data latih serta 5 data uji dengan kelas ya yang
mendominasi.
Kelebihan Tingkat akurasi pada salah satu skenario mata kuliah pilihan
mencapai 80%.
Kekurangan Data akurasi dari mata kuliah pilihan yang diujikan masih bisa
lebih valid.