Tanjung, Deny Tri Arta (1422050) (2019) Pengenalan Wajah Dengan Metode Probabilistic Linear Discriminant Analysis (Plda). Undergraduate thesis, Universitas Kristen Maranatha.
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1422050_Abstract_TOC.pdf - Accepted Version Download (229Kb) |
|
Text
1422050_Appendices.pdf - Accepted Version Restricted to Registered users only Download (270Kb) |
|
Text
1422050_Chapter1.pdf - Accepted Version Download (147Kb) |
|
Text
1422050_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (424Kb) |
|
Text
1422050_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (614Kb) |
|
Text
1422050_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (390Kb) |
|
Text
1422050_Conclusion.pdf - Accepted Version Download (114Kb) |
|
Text
1422050_Cover.pdf - Accepted Version Download (111Kb) |
|
Text
1422050_References.pdf - Accepted Version Download (267Kb) |
Abstract
Sistem pengenalan wajah merupakan suatu sistem pengenalan identitas manusia dengan menggunakan wajah sebagai parameter pengenalnya.Untuk akurasi atau ketepatan hasil pengenalan wajah sangat bergantung kepada jumlah citra latih yang cukup untuk tiap subjek (orang). Salah satu algoritma pengenalan wajah yang sering dijadikan sebagai algoritma pembanding dalam mengembangkan sebuah algoritma pengenalan wajah baru adalah Linear Discriminant Analysis (LDA). Akan tetapi, salah satu kelemahan algoritma pengenalan wajah ini adalah bahwa algoritma ini memerlukan jumlah citra latih yang cukup besar untuk tiap subjek dalam proses pelatihannya. Algoritma Probabilistic Linear Discriminant Analysis (PLDA) adalah salah satu cara yang digunakan untuk mengatasi masalah jumlah citra latih yang cukup besar untuk proses pengenalan wajah. Probabilistic Linear Discriminant Analysis (PLDA) menggunakan algoritma EM (expectation-maximization) yang berfokus untuk menghitung nilai maximum a posteriori sebagai klasifikasi identitasnya. Algoritma EM secara umum, mempunyai dua tahap utama yaitu tahap E-Step dan tahap M-Step. Kedua tahap ini akan dihitung secara bergantian hingga didapat suatu nilai yang konvergen. Pengujian dilakukan dengan menggunakan dua database citra wajah untuk jumlah citra latih 1 dan jumlah citra latih 2. Dari database ORL, dengan jumlah citra latih 1 dan citra uji 9, akan didapatkan kenaikan akurasi sebesar 40,22%. Dengan jumlah citra latih 2 dan citra uji 8, akan didapatkan kenaikan akurasi sebesar 27,8125%. Dari database male, dengan jumlah citra latih 1 dan citra uji 19, akan didapatkan kenaikan akurasi sebesar 40,22%. Dengan jumlah citra latih 2 dan citra uji 18, akan didapatkan kenaikan akurasi sebesar 27,8125%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Linear Discriminant Analysis, Probabilistic Linear Discriminant Analysis, expectation-maximization, maximum a posteriori |
| 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 08:24 |
| Last Modified: | 15 Feb 2022 08:24 |
| URI: | http://repository.maranatha.edu/id/eprint/29922 |
Actions (login required)
 |
View Item |
