Perbandingan Metode KDDA Menggunakan Kernel RBF, Kernel Polinomial dan Metode PCA untuk Pengenalan Wajah Akibat Variasi Pencahayaan

Sihotang, Andreas Oloan (1022075) (2016) Perbandingan Metode KDDA Menggunakan Kernel RBF, Kernel Polinomial dan Metode PCA untuk Pengenalan Wajah Akibat Variasi Pencahayaan. Undergraduate thesis, Universitas Kristen Maranatha .

[img]
Preview
Text
1022075_Abstract_TOC.pdf - Accepted Version

Download (437Kb) | Preview
[img] Text
1022075_Appendices.pdf - Accepted Version
Restricted to Repository staff only

Download (355Kb)
[img]
Preview
Text
1022075_Chapter1.pdf - Accepted Version

Download (475Kb) | Preview
[img] Text
1022075_Chapter2.pdf - Accepted Version
Restricted to Repository staff only

Download (893Kb)
[img] Text
1022075_Chapter3.pdf - Accepted Version
Restricted to Repository staff only

Download (909Kb)
[img] Text
1022075_Chapter4.pdf - Accepted Version
Restricted to Repository staff only

Download (608Kb)
[img]
Preview
Text
1022075_Conclusion.pdf - Accepted Version

Download (116Kb) | Preview
[img] Text
1022075_Cover.pdf - Accepted Version
Restricted to Repository staff only

Download (327Kb)
[img]
Preview
Text
1022075_References.pdf - Accepted Version

Download (202Kb) | Preview

Abstract

Teknologi pengenalan wajah semakin berkembang seiring dengan bertambahnya problem di dalam bidang ini. Sudah menjadi pengetahuan umum citra yang dipengaruhi oleh variasi pencahayaan, pose ataupun faktor lainnya non-linier dan kompleks. Hal ini mendorong terciptanya sebuah metode yang mampu menjawab masalah non-linieritas pada citra. Metode Linier seperti PCA (Principal Component Analysis) tidak cukup handal untuk menjawab permasalahan ini. Karena itu, dalam Tugas Akhir ini diusulkan metode KDDA (Kernel Direct Discriminant Analysis) menggunakan kernel RBF / kernel Polinomial dan diharapkan metode ini mampu menjawab permasalahan nonlinieritas. Simulasi dilakukan menggunakan database ORL dan Wiezmann. Dalam simulasi ini, juga digabungkan dua database dan ditambahkan variasi pencahayaan dengan mengurangi piksel secara seragam menjadi 60 persen dari semula. Pada simulasi menggunakan database ORL, terjadi peningkatan persentase akurasi pengenalan sebesar 62,5 persen (KDDA-RBF) dan 52,5 persen (KDDA-Polinomial). Untuk database Wiezmann, terjadi peningkatan sebesar 12,5 persen dan 40 persen.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Kernel, Database, KDDA, PCA, Non-Linier, RBF, Polinomial.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Faculty of Engineering > 22 Electrical Engineering Department
Depositing User: Perpustakaan Maranatha
Date Deposited: 26 Apr 2016 04:34
Last Modified: 26 Apr 2016 04:34
URI: http://repository.maranatha.edu/id/eprint/20380

Actions (login required)

View Item View Item