Aplikasi Metode Hidden Markov Model Untuk Identifikasi Wajah Individu

Nisa', Alvina Khairun (2017) Aplikasi Metode Hidden Markov Model Untuk Identifikasi Wajah Individu. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1213100008-undergraduate_theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Biometrika merupakan ilmu yang dapat digunakan untuk keperluan identifikasi individu melalui ciri khas yang dimiliki, seperti sidik jari, iris mata, telapak tangan, suara ucapan maupun wajah. Salah satu contoh aplikasi biometrika adalah pada pengenalan individu melalui identifikasi wajah. Pada penelitian ini dilakukan pengenalan individu dengan mengaplikasikan metode Hidden Markov Model (HMM) untuk identifikasi wajah. Tahapan dari penelitian ini adalah pengumpulan data citra wajah, preprocessing, ekstraksi fitur, training data, dan testing data. Data training terdiri dari 40 individu dengan masing-masing individu mempunyai 4 citra wajah. Sedangkan data testing terdiri dari 80 citra wajah individu yang tidak bergerak dan juga dari 40 citra wajah individu yang bergerak. Hasil rata-rata akurasi tertinggi dari penelitian ini adalah 85,21% dengan ukuran citra 64x64 piksel dan barisan observasi T = 59. Akurasi pengenalan untuk data training adalah 98,13%, 85% untuk akurasi citra wajah individu yang tidak bergerak dan 72,5% untuk akurasi citra wajah individu yang bergerak. ============================================================================================ Biometrics is a science that can be used for the purposes of individual identification through their own characteristics, such as fingerprints, irises, palms, sounds or faces. One example of biometric application is the individual recognition through the individual faces identification. In this research, the introduction of individuals by applying the Hidden Markov Model (HMM) for face identification. The process of this research is faces data collection, preprocessing, feature extraction, training data, and testing data. The training data consists of 40 individuals with each individual having 4 face images. While the data testing consist of 80 non-moving individual face imagesand 40 moving faces image. The highest average accuracy of this research is 85,21% with 64x64 pixel and observation sequence T = 59. Accuracy for training data is 98,13%, for non-moving face images testing data is 85% and for moving face images testing data is 72,5%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Biometrika, Deteksi Wajah, Hidden Markov Model
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Mathematics and Science > Mathematics > (S1) Undergraduate Theses
Depositing User: Alvina Khairun Nisa'
Date Deposited: 06 Oct 2017 01:59
Last Modified: 08 Mar 2019 03:01
URI: http://repository.its.ac.id/id/eprint/46320

Actions (login required)

View Item View Item