IMPLEMENTASI METODE TWO DIMENSIONAL PRINCIPAL COMPONENT ANALYSIS (2DPCA) DAN METODE SELF ORGANIZING MAPS (SOM) PADA KLASIFIKASI TINGKAT SENYUMAN
| Main Authors: | NUGRAHA, MUHAMMAD OKTA, Erlansari, Aan, Purwandari, Endina Putri |
|---|---|
| Format: | Thesis NonPeerReviewed Archive |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.unib.ac.id/14015/1/G1A012074_M.OKTA%20NUGRAHA.docx.pdf http://repository.unib.ac.id/14015/ |
Daftar Isi:
- Pengenalan pola senyum merupakan bagian dari pattern recognition dan telah banyak dikembangkan. Penelitian ini bertujuan melakukan klasifikasi tingkat senyuman menjadi empat tingkatan yaitu: tingkat satu, tingkat dua, tingkat tiga, tingkat empat. Dua hal yang menjadi masalah utama pada identifikasi tingkat senyum adalah proses ekstraksi fitur dari sampel pola senyum yang ada dan juga teknik klasifikasi yang digunakan untuk mengklasifikasikan tingkat senyum yang ingin dikenali berdasarkan fitur-fitur yang telah dipilih. Pada penelitian ini dilakukan proses ekstraksi fitur menggunakan algoritma Two-Dimensional Principal Component Analysis (2DPCA), sedangkan untuk proses klasifikasi menggunakan algoritma Self Organizing Maps (SOM) dan untuk penghitungan jarak terdekat menggunakan Euclidean Distance . Berdasarkan hasil ujicoba menggunakan 30 data wajah tersenyum, rata-rata akurasi pengenalan pola senyum tertinggi diperoleh saat ujicoba menggunakan parameter som map 10 dan maksimum iterasi 500 yaitu sebesar 73,34 % Kata Kunci : Klasifikasi senyuman, Dimensional Principal Component Analysis (2DPCA), Self Organizing Maps (SOM), Euclidean Distance.