HAKIKI, HASBI (2021) ANALISIS METODE EKSTRAKSI FITUR DALAM SISTEM PENGENALAN WAJAH MENGGUNAKAN MASKER. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (522kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB I.pdf Restricted to Registered users only Download (264kB) |
|
|
Text (BAB II)
03 BAB II.pdf Restricted to Registered users only Download (571kB) |
|
|
Text (BAB III)
04 BAB III.pdf Restricted to Registered users only Download (337kB) |
|
|
Text (BAB IV)
05 BAB IV.pdf Restricted to Registered users only Download (2MB) |
|
|
Text (BAB V)
06 BAB V.pdf Restricted to Registered users only Download (209kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (299kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (55kB) |
Abstract
The coronavirus disease 19 or covid-19 outbreak has attacked various parts in the world. The prevention is to wash your hands and wear a mask. Wearing a mask is one of the obstacles when someone is about to unlock the smartphone screen or even the employee attendance feature, which uses face recognition technology. So, the attendance system or screen lock has difficulty recognizing of the human face when wearing a mask. The author analyzes the Principal Component Analysis and Linear Discriminant Analysis methods for human face recognition systems using Matlab software. Each of the two methods carried out 3 experiments with a different dataset for each experiment. There are two datasets, namely 50 people wearing masks and 50 people not wearing masks. The dataset is processed and processed so that it will display the output of the two methods used for human face recognition. Based on the experimental results on the system that has been made, information in the form of facial image recognition results processed from the Principal Component Analysis method has an average percentage of 91.3% for recognizing human faces using a mask, while the Linear discriminant Analysis method has an average percentage amounting to 20.67% to recognize human faces using masks. Then, with the combine of pre-processing method using the Gaussian Smoothing Filter with the PCA method has an average percentage of 92.67% and the LDA method has an average percentage of 25.33%. From the results of the mathematical percentage, it can be concluded that the Principal Component Analysis method is superior in recognizing faces by wearing masks compared to the Linear discriminant Analysis method using either the pre-processing method or not using the method. pre-processing. Keywords : Face Recognition, PCA, LDA, Matlab Wabah coronavirus disease 19 atau covid-19 menyerang diberbagai belahan dunia. Yang mana pencegahannya adalah dengan mencuci tangan dan memakai masker. Memakai masker adalah salah satu halangan ketika seseorang akan membuka kunci layar smartphone atau bahkan fitur absensi karyawan, yang mana ini menggunakan teknologi face recognition. Sehingga, sistem absensi atau kunci layar kesulitan untuk mengenali wajah manusia tersebut ketika memakai masker. Penulis melakukan analisa dari metode Principal Component Analysis dan Linear Discriminant Analysis untuk sistem pengenalan wajah manusia menggunkan software Matlab. Masing-masing dari dua metode tersebut dilakukan 3 percobaan dengan dataset yang berbeda tiap percobaan. Terdapat dua dataset yaitu 50 orang memakai masker dan 50 orang tidak memakai masker. Dataset tersebut diolah dan diproses sehingga akan menampilkan output dari dua metode yang dipakai untuk pengenalan wajah manusia. Berdasarkan hasil percobaan pada sistem yang telah dibuat, informasi berupa hasil pengenalan gambar wajah yang diproses dari metode Principal Component Analysis mempunyai persentase rata-rata sebesar 91,3% untuk mengenali wajah manusia dengan menggunakan masker, sedangkan metode Linear discriminant Analysis mempunyai persentase rata-rata sebesar 20,67% untuk mengenali wajah manusia dengan menggunakan masker. Kemudian dengan gabungan metode pre-processing menggunakan Gaussian Smoothing Filter dan metode PCA mempunyai persentase rata-rata sebesar 92,67% dan dengan metode LDA mempunyai persentase rata-rata sebesar 25,33%. Dari hasil persentase matematis, dapat disimpulkan bahwa metode Principal Component Analysis lebih unggul dalam mengenali wajah dengan memakai masker dibandingkan metode Linear discriminant Analysis baik dengan menggunakan metode pra-processing ataupun tidak menggunakan metode pra-processing. Kata kunci : Face Recognition , PCA , LDA , Matlab
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41417010021 |
| Uncontrolled Keywords: | Face Recognition , PCA , LDA , Matlab |
| Subjects: | 600 Technology/Teknologi > 680 Manufacture For Specific Uses/Industri Pembuatan produk untuk penggunaan tertentu 600 Technology/Teknologi > 680 Manufacture For Specific Uses/Industri Pembuatan produk untuk penggunaan tertentu > 681 Precision Instruments/Produksi Instrumen Presisi 600 Technology/Teknologi > 680 Manufacture For Specific Uses/Industri Pembuatan produk untuk penggunaan tertentu > 681 Precision Instruments/Produksi Instrumen Presisi > 681.2 Testing, Measuring, Sensing Instruments/Produksi Alat-alat untuk Tes, Pengujian dan Sensor |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Dede Muksin Lubis |
| Date Deposited: | 02 Feb 2022 02:41 |
| Last Modified: | 16 Jun 2023 02:56 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/55131 |
Actions (login required)
 |
View Item |
