PengenalanCitra Wajah FrontalMenggunakan Hirarikal Klaster berbasis Deep LearningInceptionV3

Azam, Moh Noor Al and Darujati, Cahyo (2021) PengenalanCitra Wajah FrontalMenggunakan Hirarikal Klaster berbasis Deep LearningInceptionV3. JREC (Journal of Electrical and Electronics), 9 (2). pp. 9-13. ISSN (p) : 2302-5883 (e) : 2550-0899

	Text 02_document.pdf Download (323kB)
	Text (Peer Review) 02_Pak Cahyo -- Pengenalan Citra Wajah.pdf Download (1MB)
	Text (Plagiarsm) 02_pengenalan.pdf Download (1MB)

Official URL: https://jurnal.unismabekasi.ac.id/index.php/jrec/a...

Abstract

Pengenalan Citra wajah merupakan salah satu topik penelitian yang palingbanyak dilakukan dalam satu dekade terakhir ini, salah satu yang menarik pada penelitian ini adalahcitra wajah memiliki keunikan khusus dan menjadi salah satu kunci utama dalam kaitannya dengan keamanan. Penelitian ini mencoba mengenalkan kombinasi beberapa metode untuk mendapatkan tingkat akurasi dan presisi tinggi. Data citra wajah frontal yang digunakan mengambil dari sumber data terbuka milik University of York (UoY) yang dapat diperoleh melalui situs mereka. Data berupa berkas BMP ini perlu dikonversi menjadi JPG pada tahap awal. Metode penelitian ini menggunakan inception v3 dari deep learning untuk memperoleh 2048 fitur citra wajah dari setiap berkas citra wajah frontal. Setiap fitur citra wajah yang dihasilkan kemudian dilakukan pelabelan menggunakan metode jarak dan kesamaan cosinus dan terakhir dilakukan pendeteksian citra wajah frontal tersebut dengan melakukan penggolongan melalui hierarki klaster. Dari hasil percobaan pada penelitian ini yang melibatkan 400 citra wajah dengan rincian 40 orang dan setiap orang memiliki 10 pose citra wajah frontal, maka diperoleh hasil akurasi dan presisi diatas 99%. Kata Kunci: pengenalan citra wajah, inception, deep learning, hirarki klaster

Item Type:	Article
Subjects:	Q Science > Q Science (General)
Divisions:	Fakultas Ilmu Komputer > Sistem Komputer
Depositing User:	Repository Administrator
Date Deposited:	13 Apr 2022 02:36
Last Modified:	13 Apr 2022 02:38
URI:	http://repository.narotama.ac.id/id/eprint/1166

Actions (login required)

View Item

["lib/irstats2:embedded:summary_page:eprint:downloads" not defined]