Klasifikasi wajah

Show simple item record

dc.contributor.advisor Basuki, Thomas Anung
dc.contributor.author Raharja, Axel
dc.date.accessioned 2017-11-14T02:45:46Z
dc.date.available 2017-11-14T02:45:46Z
dc.date.issued 2017
dc.identifier.other skp34730
dc.identifier.uri http://hdl.handle.net/123456789/3974
dc.description 1435 - FTIS en_US
dc.description.abstract Mengenali wajah seseorang merupakan hal yang sulit karena karakteristik wajah setiap orang yang berbeda-beda. Selain itu pemahaman mengenai karakteristik wajah yang dimiliki setiap orang pun berbeda-beda. Karakteristik wajah yang menarik bagi seseorang, belum tentu akan menarik juga bagi orang lain begitu juga sebaliknya. Oleh karena itu seringkali sulit untuk mencari atau mengenali orang yang dicari dengan hanya bermodalkan deskripsi wajah. Maka dari itu, diperlukanlah sebuah alat yang dapat membantu mengenali wajah manusia yaitu perangkat lunak pengklasifikasi wajah manusia. Perangkat lunak ini dapat mengenali wajah manusia melalui fitur-fitur wajah seperti warna kulit, bentuk wajah, alis, kumis, janggut, mata, dan bibir. Fitur-fitur wajah tersebut nantinya dapat digunakan sebagai aturan untuk menentukan klasifikasi wajah. Setiap aturan akan dibuat dengan menggunakan machine learning WEKA dan metode alami yang mana akan melibatkan pikiran manusia dalam pengklasifikasian wajah ini. Metode alami ini dilakukan dengan memberikan label pada setiap citra wajah oleh seseorang atau lebih, di mana nanti label tersebut berguna untuk keperluan machine learning. Pemberian label ini dilakukan pada file data latih yang berformat .arff. Data latih inilah yang nantinya akan diolah menjadi sebuah pohon keputusan, dan dari pohon tersebut akan bisa didapatkan aturan klasifikasi. Selain mengklasifikasi suatu citra wajah, perangkat lunak juga akan memiliki kemampuan untuk melakukan pencarian wajah melalui deskripsi fitur ataupun klasifikasi wajah. Hasil pengujian perangkat lunak ini cukup baik karena sudah berhasil mengklasifikasi wajah dan mengenali beberapa fitur dengan baik. Namun masih ada beberapa fitur yang masih belum dapat dikenali dengan baik. Untuk klasifikasi wajah, hasilnya sangat bergantung pada jumlah data latih yang digunakan. Semakin banyak data latih yang digunakan, maka hasil klasifikasinya pun akan semakin baik. en_US
dc.publisher Program Studi Teknik Informatika Fakultas Teknologi Informasi dan Sains - UNPAR en_US
dc.subject klasifikasi en_US
dc.subject fitur wajah en_US
dc.subject pengenalan wajah en_US
dc.subject citra en_US
dc.subject machine learning en_US
dc.subject WEKA en_US
dc.subject data latih en_US
dc.subject pohon keputusan en_US
dc.title Klasifikasi wajah en_US
dc.type Undergraduate Theses en_US
dc.identifier.nim/npm NPM2013730013
dc.identifier.kodeprodi KODEPRODI618#Teknik Informatika


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search UNPAR-IR


Advanced Search

Browse

My Account