Cover Image

Face Recognition Berdasar Eigenface Menggunakan Metode Principal Component Analysis (PCA)

Main Author: GalihCandraSetiawan
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2009
Subjects:
621.3 Electrical
magnetic
optical
communications
computer engineering; electronics
lighting
Online Access: http://repository.ub.ac.id/140133/1/050903343.pdf
http://repository.ub.ac.id/140133/
ctrlnum 140133
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/140133/</relation><title>Face Recognition Berdasar Eigenface Menggunakan Metode Principal Component Analysis (PCA).</title><creator>GalihCandraSetiawan</creator><subject>621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting</subject><description>Diantara banyak metode yang dapat digunakan untuk melakukan pengenalan wajah (face recognition) adalah Principal Component Analysis (PCA) diikuti dengan penggunaan metode Euclidean Distance. PCA digunakan untuk mereduksi matrik citra eigenfaces yang masih berdimensi tinggi menjadi matrik citra berdimensi rendah. Euclidean distance digunakan untuk mengukur tingkat kesamaan nilai antara citra input (test set) dan citra yang tersimpan dalam database (training set). &#xD; Pengujian dilakukan menggunakan database citra dari Yale University dengan format GIF, grayscale. Dalam database tersebut dua set data. Yale data set A berisi image dengan tingkat brightness yang berbeda-beda. Yale data set B berisi image dengan ekspresi yang berbeda-beda. &#xD; Skenario pengujian diarahkan untuk menguji kemampuan sistem untuk mencocokkan wajah, mengenali wajak dalam ekspresi yang berbeda dan untuk menguji kemampuan sistem mengenali wajah dalam tingkat brightness yang berbeda. &#xD; Hasil pengujian menunjukkan bahwa kemampuan sistem mengenali wajah dengan benar dalam mencocokan wajah sebesar 100%, kemampuan sistem mengenali ekspresi berbeda sebesar 82,95 % dan kemampuan sistem mengenali wajah dalam tingkat brightness yang berbeda sebesar 40%</description><date>2009-08-07</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/140133/1/050903343.pdf</identifier><identifier> GalihCandraSetiawan (2009) Face Recognition Berdasar Eigenface Menggunakan Metode Principal Component Analysis (PCA). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FT/2009/534/050903343</relation><recordID>140133</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author GalihCandraSetiawan
title Face Recognition Berdasar Eigenface Menggunakan Metode Principal Component Analysis (PCA)
publishDate 2009
topic 621.3 Electrical
magnetic
optical
communications
computer engineering; electronics
lighting
url http://repository.ub.ac.id/140133/1/050903343.pdf
http://repository.ub.ac.id/140133/
contents Diantara banyak metode yang dapat digunakan untuk melakukan pengenalan wajah (face recognition) adalah Principal Component Analysis (PCA) diikuti dengan penggunaan metode Euclidean Distance. PCA digunakan untuk mereduksi matrik citra eigenfaces yang masih berdimensi tinggi menjadi matrik citra berdimensi rendah. Euclidean distance digunakan untuk mengukur tingkat kesamaan nilai antara citra input (test set) dan citra yang tersimpan dalam database (training set). Pengujian dilakukan menggunakan database citra dari Yale University dengan format GIF, grayscale. Dalam database tersebut dua set data. Yale data set A berisi image dengan tingkat brightness yang berbeda-beda. Yale data set B berisi image dengan ekspresi yang berbeda-beda. Skenario pengujian diarahkan untuk menguji kemampuan sistem untuk mencocokkan wajah, mengenali wajak dalam ekspresi yang berbeda dan untuk menguji kemampuan sistem mengenali wajah dalam tingkat brightness yang berbeda. Hasil pengujian menunjukkan bahwa kemampuan sistem mengenali wajah dengan benar dalam mencocokan wajah sebesar 100%, kemampuan sistem mengenali ekspresi berbeda sebesar 82,95 % dan kemampuan sistem mengenali wajah dalam tingkat brightness yang berbeda sebesar 40%
id IOS4666.140133
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 2021-10-27T08:43:15Z
last_indexed 2021-10-28T07:28:42Z
recordtype dc
_version_ 1751454838392094720
score 17.538404

Lihat Juga