Cover Image

Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes

Main Author: Hakim, Satria Habiburrahman Fathul
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2017
Subjects:
006.3 Artificial intelligence
Online Access: http://repository.ub.ac.id/112/1/Satria%20Habiburrahman%20Fathul%20Hakim.pdf
http://repository.ub.ac.id/112/
ctrlnum 112
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/112/</relation><title>Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes</title><creator>Hakim, Satria Habiburrahman Fathul</creator><subject>006.3 Artificial intelligence</subject><description>Dari hasil pengamatan yang telah dilakukan oleh peneliti terdapat permasalahan yang cukup mengkhawatirkan apabila sistem presensi mahasiswa yang terdapat pada Fakultas Ilmu Komputer, Universitas Brawijaya masih memakai sistem pesensi kehadiran mahasiswanya dengan cara yang manual berupa tanda tangan pada form. Sehingga presensi kehadiran ini sangat rentan sekali disalahgunakan oleh mahasiswa contohnya dengan cara menitipkan absen kepada temannya padahal hal ini sangat merugikan diri sendiri dan juga instansi kampus. Persoalan tersebut dapat diatasi dengan cara mengganti sistem presensi yang masih manual ke sistem presensi yang sudah terdigitalisasi dengan objek wajah mahasiswa menggunakan metode optimasi dan metode klasifikasi agar solusi permasalahan yang mendekati optimum dapat diselesaikan lebih cepat.&#xD; Metode optimasi yang digunakan oleh peneliti kali ini adalah Particle Swarm Optimization (PSO), yang mana metode tersebut terinspirasi dari perilaku sosial gerakan kawanan burung pada kehidupan kesehariannya. Sedangkan metode klasifikasi adalah metode yang sangat erat kaitannya dengan hipotesis probabilitas. Jadi 2 metode ini akan memiliki fungsi yang berbeda dalam pengenalan wajah pada presensi mahasiswa tersebut dimana PSO disini adalah sebagai seleksi fitur dan Na&#xEF;ve Bayes disini sebagai mesin klasifikasi sekaligus juga mempunyai fungsi untuk mendapatkan fitnessnya.&#xD; Pada pengujian pengaruh iterasi didapatkan kesimpulan bahwa iterasi dengan total nilai fitness terbaik pada jumlah partikel ke 38 yaitu 13,38, kemudian pada pengujian pengaruh jumlah iterasi didapatkan kesimpulan bahwa total fitness terbesar berada pada iterasi 190 yaitu 36,799, dengan kata lain semakin besar iterasi maka fitness semakin baik pula yang mana akurasi dalam penelitian ini sebagai nilai fitness dan pengujian yang terakhir yaitu pada bobot inersia berada, fitness tertinggi pada bobot inersia 1,2 yaitu 1,588.</description><date>2017-06-09</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/112/1/Satria%20Habiburrahman%20Fathul%20Hakim.pdf</identifier><identifier> Hakim, Satria Habiburrahman Fathul (2017) Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2017/261/051705087</relation><recordID>112</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Hakim, Satria Habiburrahman Fathul
title Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes
publishDate 2017
topic 006.3 Artificial intelligence
url http://repository.ub.ac.id/112/1/Satria%20Habiburrahman%20Fathul%20Hakim.pdf
http://repository.ub.ac.id/112/
contents Dari hasil pengamatan yang telah dilakukan oleh peneliti terdapat permasalahan yang cukup mengkhawatirkan apabila sistem presensi mahasiswa yang terdapat pada Fakultas Ilmu Komputer, Universitas Brawijaya masih memakai sistem pesensi kehadiran mahasiswanya dengan cara yang manual berupa tanda tangan pada form. Sehingga presensi kehadiran ini sangat rentan sekali disalahgunakan oleh mahasiswa contohnya dengan cara menitipkan absen kepada temannya padahal hal ini sangat merugikan diri sendiri dan juga instansi kampus. Persoalan tersebut dapat diatasi dengan cara mengganti sistem presensi yang masih manual ke sistem presensi yang sudah terdigitalisasi dengan objek wajah mahasiswa menggunakan metode optimasi dan metode klasifikasi agar solusi permasalahan yang mendekati optimum dapat diselesaikan lebih cepat. Metode optimasi yang digunakan oleh peneliti kali ini adalah Particle Swarm Optimization (PSO), yang mana metode tersebut terinspirasi dari perilaku sosial gerakan kawanan burung pada kehidupan kesehariannya. Sedangkan metode klasifikasi adalah metode yang sangat erat kaitannya dengan hipotesis probabilitas. Jadi 2 metode ini akan memiliki fungsi yang berbeda dalam pengenalan wajah pada presensi mahasiswa tersebut dimana PSO disini adalah sebagai seleksi fitur dan Naïve Bayes disini sebagai mesin klasifikasi sekaligus juga mempunyai fungsi untuk mendapatkan fitnessnya. Pada pengujian pengaruh iterasi didapatkan kesimpulan bahwa iterasi dengan total nilai fitness terbaik pada jumlah partikel ke 38 yaitu 13,38, kemudian pada pengujian pengaruh jumlah iterasi didapatkan kesimpulan bahwa total fitness terbesar berada pada iterasi 190 yaitu 36,799, dengan kata lain semakin besar iterasi maka fitness semakin baik pula yang mana akurasi dalam penelitian ini sebagai nilai fitness dan pengujian yang terakhir yaitu pada bobot inersia berada, fitness tertinggi pada bobot inersia 1,2 yaitu 1,588.
id IOS4666.112
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2017-10-03T09:47:20Z
last_indexed 2021-10-18T02:06:23Z
recordtype dc
_version_ 1730142652262776832
score 17.538404

Lihat Juga