Penerapan Kernel Jamak (Multiple Kernels) Dalam Pengenalan Wajah Akibat Variasi Pencahayaan

Hanif, Dzakki Muhammad (1322051) (2019) Penerapan Kernel Jamak (Multiple Kernels) Dalam Pengenalan Wajah Akibat Variasi Pencahayaan. Undergraduate thesis, Universitas Kristen Maranatha.

	Text 1322051_Abstract_TOC.pdf - Accepted Version Download (172Kb)
	Text 1322051_Appendices.pdf - Accepted Version Restricted to Registered users only Download (271Kb)
	Text 1322051_Chapter1.pdf - Accepted Version Download (49Kb)
	Text 1322051_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (519Kb)
	Text 1322051_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (156Kb)
	Text 1322051_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (663Kb)
	Text 1322051_Conclusion.pdf - Accepted Version Download (39Kb)
	Text 1322051_Cover.pdf - Accepted Version Download (428Kb)
	Text 1322051_References.pdf - Accepted Version Download (148Kb)

Abstract

Suatu sistem pengenalan wajah merupakan hal yang penting dan berguna, untuk itu dibutuhkan suatu sistem yang robust untuk dapat menghasilkan pengenalan yang baik. Salah satu contoh masalah/tantangan dalam pengenalan wajah adalah adanya variasi pencahayaan, dan metode kernel merupakan salah satu solusi untuk mengatasi masalah tersebut. Penggunaan kernel tunggal menghasilkan pengenalan yang cukup baik, tetapi masih dapat dikembangkan agar menghasilkan akurasi pengenalan yang lebih baik. Dalam Tugas Akhir ini, dibuat perangkat lunak untuk melakukan penerapan kernel jamak dengan program berbasis Principal Component Analysis (PCA) dalam pengenalan wajah untuk mendapatkan hasil akurasi pengenalan yang lebih baik dibandingkan kernel tunggal, khususnya dalam menangani variasi pencahayaan yang terdapat pada pengenalan wajah. Jenis kernel yang akan digunakan dan dikombinasikan adalah kernel linear, polynomial, dan gaussian. Proses pencocokan atau pengenalannya dilakukan dengan Support Vector Machine (SVM). Penerapan kernel jamak untuk pengenalan wajah dengan variasi pencahayaan yang dilakukan pada tugas akhir ini mampu membuktikan peningkatan akurasi pengenalan wajah dibandingkan kernel tunggal. Hasil kenaikan tertinggi yang didapatkan sebesar 21,25%. Hasil percobaan yang dilakukan membuktikan bahwa penggunaan kernel jamak lebih baik dibandingkan kernel tunggal, dengan pengaturan jenis dan koefisien kernel secara tepat.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Kernel Jamak, Principal Component Analysis (PCA), Support Vector Machine (SVM).
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Engineering > 22 Electrical Engineering Department
Depositing User:	Perpustakaan Maranatha
Date Deposited:	15 Feb 2022 08:04
Last Modified:	15 Feb 2022 08:04
URI:	http://repository.maranatha.edu/id/eprint/29917

Actions (login required)

View Item