Widyaya, Juan Elisha ( 0822014 ) (2012) Pengenalan Wajah Dengan Menerapkan Algoritma Adaptif K - Means. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
0822014_Abstract_TOC.pdf - Accepted Version Download (305Kb) | Preview |
|
|
Text
0822014_Appendices.pdf - Accepted Version Download (2050Kb) | Preview |
|
|
Text
0822014_Chapter1.pdf - Accepted Version Download (134Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
0822014_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (535Kb) |
|
|
Text
0822014_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (298Kb) |
|
|
Text
0822014_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (1036Kb) |
|
|
Text
0822014_Conclusion.pdf - Accepted Version Download (121Kb) | Preview |
|
|
Text
0822014_Cover.pdf - Accepted Version Restricted to Repository staff only Download (404Kb) |
|
|
Text
0822014_References.pdf - Accepted Version Download (161Kb) | Preview |
Abstract
Kesulitan dalam mengimplementasikan metode algoritma k – means adalah jumlah cluster yang harus ditentukan terlebih dahulu secara acak. Untuk mengatasi kesulitan ini maka dibuatlah suatu variasi dari algoritma k – means yaitu adaptif k – means sehingga jumlah cluster ‘k’ tidak harus ditentukan terlebih dahulu. Algoritma ini dipakai untuk pengenalan wajah (face recognition) yang merupakan salah satu bagian dari pengenalan pola. Sistem yang dibuat dalam Tugas Akhir ini dibagi ke dalam dua bagian utama, yaitu proses pelatihan dan proses pengujian. Dalam proses pelatihan, akan dibentuk suatu set eigenface dari set citra latih. Masing – masing citra latih ini akan diproyeksikan terhadap eigenface sehingga diperoleh bobot citra latih. Bobot citra latih tersebut akan di-cluster-kan dengan algoritma adaptif k – means. Dalam proses pengujian, suatu citra uji akan dicari identitasnya. Pencarian identitas dilakukan dengan cara mencari jarak terpendek antara bobot citra uji dengan citra latih dari dalam cluster terdekat. Pengujian dilakukan dengan input citra wajah yang terdapat dalam database, yang akan disebut dengan citra internal, dan dengan input citra wajah bukan bagian dari database, yang akan disebut dengan citra external, namun identitas citra external ini terdapat dalam database. Hasil pengamatan yang didapat adalah bahwa algoritma adaptif k – means dapat mengurangi jumlah proses untuk mengindentifikasi identitas citra uji sebesar 68.33% untuk citra internal dan 70% untuk citra external. Sedangkan untuk persentase pengenalan adalah 85% untuk citra internal dan 60% untuk citra external.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Eigenface, Algoritma Adaptif K - Means, Jarak Euclidean |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 23 Sep 2013 09:45 |
| Last Modified: | 23 Sep 2013 09:45 |
| URI: | http://repository.maranatha.edu/id/eprint/4116 |
Actions (login required)
 |
View Item |
