Implementasi Sistem Pengenalan Wajah Dengan Penerapan Metode Adaptive Neuro-Fuzzy Inference Systems

Dewi, A.A. Kusuma (2004) Implementasi Sistem Pengenalan Wajah Dengan Penerapan Metode Adaptive Neuro-Fuzzy Inference Systems. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5199100027-Undergraduate Thesis.pdf - Published Version

Download (14MB) | Preview

Abstract

ANFIS adalah metode yang merupakan penggabungan mekanisme Sistem Inferensi Fuzzy yang direpresentasikan dalam arsitektur jaringan syaraf tiruan. Umumnya ANFIS diterapkan sebagai metode pembelajaran pada sistem kendali, dengan karakteristik ANFIS terse but dapat dilihat adanya peluang untuk menerapkan ANFIS sebagai metode pembelajaran pada klasifikasi. Diperlukan fitur ekstraktor yang tepat dalam penerapan ANFIS pada sistem pengenalan wajah. Fitur ekstrator yang dibutuhkan ada dua, yaitu metode untuk mengekstrak fitur global dan fitur lokal. Metode yang tepat untuk mengekstraksi fitur global adalah Analisa Komponen Utama (PCA - Principal Component Analysis) karena mampu mendapatkan basis proyeksi optimal dimana metode ini dimodifikasi dengan transformasi whitening dan untuk mengekstraksi fitur lokal digunakan metode Analisa Paket Wavelet yang akan mendekomposisi citra wajah sehingga menghasilkan informasi lokal wajah. Di dalam ANFIS terdapat dua metode pembelajaran, yaitu backpropagation dengan metode gradient descent untuk arah mundur dan metode Reqursive Least Square Estimator untuk arah majunya. Pada metode pembelajaran arah mundur inilah yang nantinya akan merubah parameter premis sedangkan pembelajaran arah maju akan merubah parameter konsekuen. Sebagai ujicoba utama, perangkat lunak diimplementasikan pada Basis Data baku, yaitu Basis Data 0/livetti, YALE dan BERN. Ujicoba dilakukan terhadap data yang di-whitening dan data yang tidak di-whitening. Untuk data yang tidak di-whitening, hasil akurasi data pembelajaran terhadap Basis Data Ollivetti berkisar antara 501Yo- 53% sedangkan untuk data uji-nya berkisar antara 26%-35% . Ujicoba data pembelajaran terhadap Basis Data YALE berkisar antara 831Yo- 89% dan untuk data uji berkisar antara 50%- 72. Hasil akurasi data pembelajaran pada percobaan terhadap Basis Data BERN berkisar antara 68%-79% dan akurasi pada data ujinya berkisar antara 44%-57%. Sedangkan untuk data yang di-whitening, karena melibatkan basis nonorthogonalnya maka hasil akurasinya lebih baik, yaitu hasil akurasi data pembelajaran terhadap Basis Data Ollivetti berkisar antara 981Yo- 100% dan untuk data uji-nya berkisar antara 71 IYo-80% . Ujicoba data pembelajaran terhadap Basis Data YALE berkisar antara 991Yo- 100% dan untuk data uji berkisar antara 75.51Yo- 97. 7%. Sementara itu, hasil akurasi data pembelajaran pada percobaan terhadap Basis Data BERN berkisar antara 991Yo- 100% dan akurasi pada data ujinya berkisar antara 80% -100%.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 006.32 Dew i
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Information Technology > Informatics Engineering
Depositing User: ansi aflacha
Date Deposited: 13 Nov 2019 08:50
Last Modified: 13 Nov 2019 08:50
URI: https://repository.its.ac.id/id/eprint/71766

Actions (login required)

View Item View Item