JURNAL: PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN WAJAH

JURNAL: PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN WAJAH

JURNAL: PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN WAJAH


Abstrak 

Pengenalan wajah merupakan suatu bidang yang masih terus diteliti dan dikembangkan untuk berbagai keperluan seperti absensi, pendataan penduduk, sistem keamanan dan lain-lain. Metode kecerdasan buatan khususnya jaringan syaraf tiruan (JST) backpropagation dan learning vector quantization adalah dua metode yang sering digunakan untuk aplikasi pengenalan wajah. Kedua metode tersebut merupakan metode pembelajaran terawasi yang biasa dipakai untuk pengenalan pola secara tipikal, yaitu mengelompokkan pola-pola ke dalam kelas-kelas pola, sehingga tepat untuk digunakan dalam aplikasi pengenalan wajah. Dalam aplikasi ini, dilakukan preprocessing citra terhadap citra masukan sebelum citra tersebut diolah dalam dalam JST, diantaranya proses scalling, grayscale, edgedetection dengan metode sobel dan thresholding. Sedangkan metode JST yang digunakan untuk mengenali wajah antara lain metode backpropagation dan learning vector quantization. Hasil penelitian ini adalah Perbandingan metode jaringan syaraf tiruan backpropagation dan learning vector quantization pada pengenalan wajah yang digunakan untuk dapat mengetahui perbedaan, kekurangan, kelebihan dan hasil optimal dari kedua metode tersebut untuk digunakan pada sistem pengenalan wajah. 

Kata kunci : Artificial Intelligence, Jaringan Syaraf Tiruan, Backpropagation, Learning Vector Quantization, Pengenalan wajah.

Pendahuluan

Wajah merupakan salah satu bagian dari manusia yang memiliki ciri berbeda. Wajah dapat digunakan untuk mengenali seseorang, misalnya untuk absensi, pendataan penduduk dan sistem pengamanan, dengan menggunakan sistem pengenalan wajah. Karena wajah manusia merepresentasikan sesuatu yang kompleks, sehingga pengembangan model komputasi yang ideal untuk pengenalan wajah adalah sestuatu hal yang sulit. Selain itu sistem pengenalan wajah juga mendapat kesulitan pada orientasi wajah yang berlainan, pencahayaan, potongan rambut, kumis atau jenggot, kacamata serta perbedaan kondisi misalnya orang tersebut dalam keadaan agak menoleh, menunduk atau menengadah.

Peneliti: Maharani Dessy Wuryandari 

Untuk lebih lengkapnya silahkan download di link berikut:
JURNAL: PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN WAJAH