Ekowati, NitaDewi (2011) Pengenalan Wajah Menggunakan Principal Component Analysis (PCA). Sarjana thesis, Universitas Brawijaya.
Abstract
Principal Component Analysis (PCA) merupakan sebuah metode statistika yang sering digunakan dalam pengenalan wajah. Dengan PCA, gambar-gambar wajah direduksi dimensinya kemudian dicari hubungan antar gambar tersebut agar dapat diklasifikasikan dalam dimensi yang lebih kecil. Di Indonesia, telah banyak penelitian mengenai pengenalan wajah. Sebagian penelitian-penelitian yang telah ada tersebut belum menjelaskan penerapan algoritma PCA secara bertahap. Oleh karena itu dalam tulisan ini dituliskan cara penerapan algoritma PCA untuk pengenalan wajah secara bertahap dan rinci. Pada penelitian ini pengujian dilakukan dengan mengubah banyaknya data latihan serta banyaknya wajah eigen yang digunakan untuk mengetahui pengaruhnya terhadap kemampuan sistem dalam mengenali wajah. Kemampuan sistem dalam mengenali wajah diukur dengan menggunakan precision dan recall. Dari hasil pengujian di mana wajah input sama dengan wajah latihan, nilai precision dan recall dapat mencapai 1. Hal ini menunjukkan bahwa PCA dapat digunakan untuk mengenali kembali wajah yang dilatihkan dengan baik. Sedangkan hasil pengujian di mana wajah yang tidak dilatihkan diinputkan dalam jumlah yang sama untuk tiap-tiap pelatihan dengan jumlah data latihan berbeda, menghasilkan nilai precision dan recall yang berkisar antara 0.6 hingga 0.9 untuk data latihan berjumlah 30 hingga 50. Hal tersebut menunjukkan bahwa PCA mampu mengenali wajah yang tidak dilatihkan dengan cukup baik.
English Abstract
Principal Component Analysis (PCA) is a statistical method often used in face recognition. With PCA, facial images dimensions are reduced so that the relationship of those facial images can be classified in smaller dimensions. There were a lot of research about face recognition using PCA in Indonesia. Most of those research did not explain the implementation of PCA algorithm step-by-step. Therefore in this research was written the way of implementing PCA algorithm for face recognition in detail. In this research testing was carried out by changing the amount of training data and the amount of eigenfaces used in recognition process, to determine the effect of those changing to the system’s ability to recognizing faces. The system’s ability to recognize faces is measured using precision and recall. From the test results where the input face same as the training face, the value of precision and recall can reach 1. This suggest that the PCA can be used to recognize training face well. While the results of testing using untrained face, same amount entered with different amount of training data, resulting precision and recall values ranging from 0.6 to 0.9, to training data amounted to 30 to 50. It shows that PCA is able to recognize untrained faces well enough.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/400/051200610 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Hasbi |
| Date Deposited: | 20 Dec 2013 10:39 |
| Last Modified: | 22 Oct 2021 09:07 |
| URI: | http://repository.ub.ac.id/id/eprint/152864 |
Preview |
Text
Skripsi-Pengenalan_Wajah_dengan_PCA-0610960050.pdf Download (7MB) | Preview |
Actions (login required)
 |
View Item |