Layanan journal yang disediakan oleh Perpustakaan Universitas Gunadarma
| Judul Artikel | : | Sistem Pengenalan Wajab Real-Time dalam Ruang Eigen Dengan Segmentasi Berdasarkan Warna Kulit |
|---|---|---|
| Judul Terbitan | : | Jurnal Ilmiah Ilmu Komputer |
| ISSN | : | 16931629 |
| Bahasa | : | IND |
| Tempat Terbit | : | Bogor |
| Tahun | : | 0000 |
| Volume | : | Vol. 3 Issue 1 0000 |
| Penerbit | : | Departemen Ilmu Komputer FMIPA IPB |
| Frekuensi Penerbitan | : | 2 x 1 tahun |
| Penulis | : | Agus Buono, Hanief Bastian dan Ahmad Ridha |
| Abstraksi | : | Pada penelitian ini dikembangkan suatu sistem pengenalan wajah secara real-time. Sistem ini memiliki dua tahapan utama, yaitu tahap pendeteksian wajah dan tahap pengenalan wajah. Pada tahap pendeteksian wajah, sistem akan mencari lokasi wajah berdasarkan informasi warna kulit manusia yang bisa didapatkan pada suatu citra pada ruang warna HSV (Hue Saturation Value). Sedangkan untuk tahap pengenalan wajah digunakan model Jaringan Syaraf Tiruan (JST) dengan algoritma pembelajaran Propagasi Balik. Metode Eigenface digunakan untuk mereduksi data sebelum digunakan sebagai input jaringan. Sistem dibangun dengan graphical user interface (GUf) sehingga sistem mudah digunakan dan user- friendly. Sistem diuji baik secara real-time maupun offline. Pengujian secara real-time dilakukan dengan menggunakan parameter proporsi PCA 90%, JST dengan 30 neuron hidden, toleransi galat 0.00001, dan laju pembelajaran 0.1. Pada pengujian real-time sistem meng-capture citra dari camcorder setiap 0.50 detik, lalu citra tersebut dijadikan sebagai input tahap pendeteksian wajah untuk dicari lokasi wajah. Bila ditemukan obyek wajah pada citra tersebut, maka wajah tersebut akan diidentiflkasi pada tahap pengenalan wajah. Generalisasi yang dihasilkan pada pengujian ini adalah sebesar 90.476% dengan rata-rata waktu pengujian (mulai dari akuisisi citra, deteksi wajah, sampai pengenalan wajah) hanya membutuhkan 0.242 detik. Hal ini menunjukkan bahwa sistem dapat bekerja secara real-time. Sedangkan dari hasil pengujian secara offline didapatkan parameter-parameter optimal yaitu proporsi PCA 90%, JST dengan 40 neuron hidden, toleransi galat 0.0001, dan laju pembelajaran 0.3. Dengan penggunaan parameter-parameter ter- sebut sistem dapat memberikan generalisasi tertinggi 91.429% baik untuk testing set A ataupun testing set B. |
| Kata Kunci | : | Sistem pengenalan wajah; deteksi wajah; eigenface; Jaringan SyarafTiruan (JST); propagasi batik. |
| Lokasi | : | P50 |
| Terakreditasi | : | belum |