dc.contributor.author | Buono, Agus | |
dc.contributor.author | Desylvia, Syeiva Nurul | |
dc.date.accessioned | 2016-05-19T08:28:25Z | |
dc.date.available | 2016-05-19T08:28:25Z | |
dc.date.issued | 2014 | |
dc.identifier.issn | 2355-1941 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/80634 | |
dc.description.abstract | Pengenalan wajah merupakan salah satu penelitian canggih di bidang komputer dan sangat menantang untuk
dikembangkan menggunakan komputer karena wajah manusia sulit dimodelkan. Penelitian ini mengajukan
metode SOM dan LYQ sebagai pengenal wajah tampak depan. Tujuan penelitian ini adalah membandingkan
LYQ dan SOM berdasarkan akurasi yang dihasilkan. Citra sebanyak 400 dari 20 individu berbeda yang masingmasing
berukuran 180 x 200 pixels digunakan sebagai data percobaan. Sumber data dari University of Essex,
UK. Coefficient approximation pada Haar Wave/el level 6 digunakan sebagai ciri yang akan diklasifikasi dan
dikluster. Kjo/d cross vulidation dengan fold 10 digunakan untuk membagi data latih dengan data uj i.
Percobaan terbagi menjadi 3 set yaitu percobaan menggunakan model SOM. LYQ, dan LYQ inisialisasi SOM.
Akurasi tertinggi yang dihasilkan SOM sebesar 97.8947% dan akurasi tertinggi yang dihasilkan LYQ dan LYQ
inisialisasi SOM sebesar 100%. Berdasarkan hasil akurasi, LYQ terbukti lebih baik dari pada SOM dalam hal
pengenalan wajah tampak depan. Penelitian ini perlu dikembangkan agar model dapat mengenali wajah dengan
berbagai pose dan ekspresi yang berubah-ubah | id |
dc.language.iso | id | id |
dc.publisher | Bogor Agricultural University (IPB) | id |
dc.publisher | Bogor Agricultural University (IPB) | id |
dc.title | PERBANDINGAN SOM DAN LVQ PADA IDENTIFIKASI CITRA \V AJAH DENGAN WAVE LET SEBAGAI EKSTRAKSI CIRI | id |
dc.type | Article | id |
dc.subject.keyword | Learning Vector Quantization (LYQ | id |
dc.subject.keyword | Self Organizing Map (SOM). | id |
dc.subject.keyword | pengenalan wajah | id |
dc.subject.keyword | laar Wavelet, | id |
dc.subject.keyword | K-fold cross validation | id |