AnungHendhiPramono (2008) Pengenalan Wajah dengan Pemodelan Hidden Markov. Sarjana thesis, Universitas Brawijaya.
Abstract
Pengenalan wajah manusia merupakan salah satu bidang penelitian yang telah banyak menghasilkan aplikasi dalam bidang teknologi biometrik sehingga banyak diterapkan dalam sistem keamanan gedung, alat identifikasi, ATM, Tele-Conference , alat bantu dalam pelacakan pelaku kriminal dan lain-lain. Berbagai macam aplikasi terapan tersebut masing-masing menggunakan metode pelacakan dan pengenalan wajah yang berbeda-beda sehingga setiap metode memiliki kelebihan dan kekurangan tertentu. Pada penelitian ini digunakan metode Log-Opponent yang dapat memungkinkan untuk mendeteksi daerah wajah manusia dan metode Hidden Markov Models yang memungkinkan untuk mengenali wajah manusia terhadap berbagai latar belakang dan pose wajah baik pria maupun wanita. Penelitian ini ditujukan untuk memodelkan dan merancang Hidden Markov Models sebagai metode pengenalan wajah dalam sebuah perangkat lunak dan menganalisa tingkat keakuratan metode Hidden Markov Models dalam mengenali wajah terhadap jumlah sampel data latih. Berdasarkan hasil pengujian didapatkan bahwa tingkat kesalahan pengenalan wajah dengan menggunakan data uji yang berasal dari dalam data latih maupun dari luar data latih mengalami peningkatan secara linier seiring dengan bertambahnya jumlah individu. Hasil terbaik untuk pengujian tingkat kesalahan ini didapatkan ketika jumlah individu sebanyak 5 dengan tingkat kesalahan 20% untuk citra uji yang berasal dari data latih dan 40% untuk citra uji yang berasal dari luar data latih.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2008/272/050803587 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 24 Nov 2008 09:31 |
| Last Modified: | 22 Oct 2021 05:33 |
| URI: | http://repository.ub.ac.id/id/eprint/151934 |
Preview |
Text
050803587.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |