Pemodelan pengenalan citra wajah menggunakan metode Transformasi Wavelet untuk ekstraksi fitur dan jaringan saraf tiruan backpropagation sebagai klasifikasi
Info Katalog
File Repositori
Penerbit : FTI - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2020
Pembimbing 1 : Suhartati Agoes
Subyek : Wavelet transforms
Kata Kunci : image processing, face recognition, wavelet transformation, artificial neural network backpropagatio
Status Posting : Published
Status : Tidak Lengkap
File Repositori
| No. | Nama File | Hal. | Link |
|---|---|---|---|
| 1. | 2020_TA_STE_062001600007_Halaman-Judul.pdf | ||
| 2. | 2020_TA_STE_062001600007_Lembar-Pengesahan.pdf | 3 | |
| 3. | 2020_TA_STE_062001600007_Bab-1_Pendahuluan.pdf | 4 | |
| 4. | 2020_TA_STE_062001600007_Bab-2_Tinjauan-Pustaka.pdf |
|
|
| 5. | 2020_TA_STE_062001600007_Bab-3_Metodologi-Penelitian.pdf |
|
|
| 6. | 2020_TA_STE_062001600007_Bab-4_Analisis-dan-Pembahasan.pdf |
|
|
| 7. | 2020_TA_STE_062001600007_Bab-5_Kesimpulan.pdf |
|
|
| 8. | 2020_TA_STE_062001600007_Daftar-Pustaka.pdf | 2 |
T Transformasi Wavelet Untuk Ekstraksi Fitur Dan Jaringan Saraf Tiruan Backpropagation Sebagai KlasifikasiPenggunaan kunci rumah konvensional dirasa masih kurang keamanannya maka dibutuhkan suatu cara atau metode untuk meningkatkan keamanannya. Setiap manusia mempunyai suatu ciri khas yang dapat membedakan dirinya dengan manusia yang lain salah satunya adalah wajah.Penelitian ini bertujuan untuk membuat suatu sistem pemodelan otomatis yang dapat mendeteksi wajah seseorang serta memutuskan apakah orang tersebut merupakan penghuni rumah atau orang lain dengan pengolahan citra digital menggunakan metode Transformasi Wavelet untuk ekstraksi ciri dan Jaringan Saraf Tiruan untuk klasifikasi. Pemodelan ini menghasilkan akurasi sebesar 97.334% yang terdiri dari 30 percobaan untuk penghuni dengan 28 percobaan berhasil dan 2 percobaan gagal. Sedangkan 30 percobaan untuk bukan penghuni menghasilkan 30 percobaan berhasil. Pemodelan ini mempunyai Error sebesar 0.380565, Mean Square Error (MSE) sebesar 0.379655 dan Mean Absolute Percentage (MAPE) sebesar 26,2349094%.
T The use of conventional house lock is felt less secure, so it needs a way or method to upgrade the security. Every human being has a characteristic that distinguishes from others. One of which is from its face. This research aims to create an automatic system modeling that can detect a person’s face, and can decide whether the person is the householder or not by digital images processing using Wavelet Transformation method to extract the features, and using Artificial Neural Network to classify. This modelling produces an accuracy of 97,334% which consists of 30 experiments for occupants with 28 successful trials and 2 failed experiments while 30 trials for non-occupants with 30 successful trials with an error of 0.380565, Mean Square Error (MSE) of 0.380565 and Mean Absolute Percentage (MAPE) of 26,2349094%.
Perbandingan deteksi tepi menggunakan metode morfologi gradien dengan metode addition dan division
FTI - Usakti
Simulasi pengenalan wajah dengan konsep principle component analysis menggunakan matlab 6.5
FTI - Usakti
Rancang bangun sistem kamera pengawas dengan pengenalan wajah untuk keamanan ruangan berbasis blynk legacy
FTI - Usakti
Implementasi face recognition dengan mtcnn pada prototipe sistem kehadiran Universitas Trisakti
FTI - Usakti
Info Koleksi Skripsi
Universitas
Fakultas
- FH (1597)
- FEB (7359)
- FK (2156)
- FKG (3532)
- FTSP (1168)
- FTI (3280)
- FTKE (2524)
- FALTL (2097)
- FSRD (759)