Mutu, Kurnia Novita ( 0722029 ) (2013) Face Recognition Menggunakan Metode Two Dimensional Principal Components Analysis (2DPCA). Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
0722029_Abstract_TOC.pdf - Accepted Version Download (140Kb) | Preview |
|
|
Text
0722029_Appendices.pdf - Accepted Version Download (112Kb) | Preview |
|
|
Text
0722029_Chapter1.pdf - Accepted Version Download (114Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
0722029_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (241Kb) |
|
|
Text
0722029_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (988Kb) |
|
|
Text
0722029_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (1374Kb) |
|
|
Text
0722029_Conclusion.pdf - Accepted Version Download (82Kb) | Preview |
|
|
Text
0722029_Cover.pdf - Accepted Version Restricted to Repository staff only Download (91Kb) |
|
|
Text
0722029_References.pdf - Accepted Version Download (54Kb) | Preview |
Abstract
Perkembangan biometrik pada teknologi informasi saat ini sangat pesat. Salah satu bidang biometrik yang sedang dikembangkan adalah Face Recognition. Face recognition merupakan sebuah teknik pengolahan citra yang dapat mengenali seseorang berdasarkan wajahnya. Pada Tugas Akhir ini metode face recognition yang digunakan adalah metode Two-Dimensional Principal Components Analysis (2DPCA). Pada 2DPCA matriks citra dua dimensi tidak perlu diubah dulu menjadi vektor satu dimensi untuk ektraksi ciri seperti pada Principal Components Analysis (PCA). Matriks kovarian citra diperoleh langsung menggunakan matriks citra dan vektor – vektor proyeksinya (eigenvector) dicari yang saling orthonormal untuk ektraksi ciri. Dari hasil uji coba aplikasi face recognition menggunakan metode Two-Dimensional Principal Components Analysis (2DPCA) diketahui bahwa persentase keberhasilan pengenalan, yang berkisar pada 94% sampai 96%, dipengaruhi oleh jumlah eigenvector yang digunakan pada algoritma. Sedangkan, faktor pose dan ekspresi mempengaruhi nilai feature vector citra.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Face Recognition, 2DPCA, Eigenvektor, Fitur Vektor |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 13 Sep 2013 08:38 |
| Last Modified: | 13 Sep 2013 08:38 |
| URI: | http://repository.maranatha.edu/id/eprint/4042 |
Actions (login required)
 |
View Item |
