Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah

Wajah manusia memiliki ciri khusus yang dapat membedakan dengan orang lainnya sehingga pengenalan wajah sangat penting dilakukan untuk mengenali seseorang. Ciri khusus pada wajah ini disebut juga dengan fitur. Pada penelitian ini, untuk mendapatkan fitur dilakukan pengenalan pola citra wajah dengan...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Rifki Kosasih
Formato:	article
Lenguaje:	ID
Publicado:	Universitas Negeri Medan 2020
Materias:	fitur, isomap, manifold learning, knn Electronic computers. Computer science QA75.5-76.95
Acceso en línea:	https://doaj.org/article/07db79628937430b8ae0f0fd674ba2cd
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:07db79628937430b8ae0f0fd674ba2cd
record_format	dspace
spelling	oai:doaj.org-article:07db79628937430b8ae0f0fd674ba2cd2021-11-27T05:26:26ZKombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah2502-71312502-714X10.24114/cess.v5i2.18982https://doaj.org/article/07db79628937430b8ae0f0fd674ba2cd2020-07-01T00:00:00Zhttps://jurnal.unimed.ac.id/2012/index.php/cess/article/view/18982https://doaj.org/toc/2502-7131https://doaj.org/toc/2502-714XWajah manusia memiliki ciri khusus yang dapat membedakan dengan orang lainnya sehingga pengenalan wajah sangat penting dilakukan untuk mengenali seseorang. Ciri khusus pada wajah ini disebut juga dengan fitur. Pada penelitian ini, untuk mendapatkan fitur dilakukan pengenalan pola citra wajah dengan menggunakan metode isomap. Metode isomap merupakan salah satu metode dari manifold learning yang menghasilkan fitur-fitur dengan cara mereduksi dimensi. Citra wajah yang digunakan dalam penelitian ini terdiri dari 6 orang dengan tiap orang memiliki 4 citra wajah dengan ekspresi yang berbeda-beda. Data citra ini dibagi menjadi dua bagian yaitu data latih dan data uji. Selanjutnya data citra tersebut diubah menjadi vektor. Metode isomap digunakan untuk mentransformasikan vektor tersebut menjadi vektor yang mengandung fitur wajah. Setelah fitur wajah diperoleh, selanjutnya dilakukan pengujian pada data uji dengan menggunakan algoritma K Nearest Neighbor (KNN). Algoritma K Nearest Neighbor digunakan untuk pengklasifikasian dengan cara mencari K data latih yang terdekat dengan data uji. Dari hasil klasifikasi diperoleh bahwa tingkat akurasi sebesar 83,33%.Rifki KosasihUniversitas Negeri Medanarticlefitur, isomap, manifold learning, knnElectronic computers. Computer scienceQA75.5-76.95IDCESS (Journal of Computer Engineering, System and Science), Vol 5, Iss 2, Pp 166-170 (2020)
institution	DOAJ
collection	DOAJ
language	ID
topic	fitur, isomap, manifold learning, knn Electronic computers. Computer science QA75.5-76.95
spellingShingle	fitur, isomap, manifold learning, knn Electronic computers. Computer science QA75.5-76.95 Rifki Kosasih Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah
description	Wajah manusia memiliki ciri khusus yang dapat membedakan dengan orang lainnya sehingga pengenalan wajah sangat penting dilakukan untuk mengenali seseorang. Ciri khusus pada wajah ini disebut juga dengan fitur. Pada penelitian ini, untuk mendapatkan fitur dilakukan pengenalan pola citra wajah dengan menggunakan metode isomap. Metode isomap merupakan salah satu metode dari manifold learning yang menghasilkan fitur-fitur dengan cara mereduksi dimensi. Citra wajah yang digunakan dalam penelitian ini terdiri dari 6 orang dengan tiap orang memiliki 4 citra wajah dengan ekspresi yang berbeda-beda. Data citra ini dibagi menjadi dua bagian yaitu data latih dan data uji. Selanjutnya data citra tersebut diubah menjadi vektor. Metode isomap digunakan untuk mentransformasikan vektor tersebut menjadi vektor yang mengandung fitur wajah. Setelah fitur wajah diperoleh, selanjutnya dilakukan pengujian pada data uji dengan menggunakan algoritma K Nearest Neighbor (KNN). Algoritma K Nearest Neighbor digunakan untuk pengklasifikasian dengan cara mencari K data latih yang terdekat dengan data uji. Dari hasil klasifikasi diperoleh bahwa tingkat akurasi sebesar 83,33%.
format	article
author	Rifki Kosasih
author_facet	Rifki Kosasih
author_sort	Rifki Kosasih
title	Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah
title_short	Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah
title_full	Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah
title_fullStr	Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah
title_full_unstemmed	Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah
title_sort	kombinasi metode isomap dan knn pada image processing untuk pengenalan wajah
publisher	Universitas Negeri Medan
publishDate	2020
url	https://doaj.org/article/07db79628937430b8ae0f0fd674ba2cd
work_keys_str_mv	AT rifkikosasih kombinasimetodeisomapdanknnpadaimageprocessinguntukpengenalanwajah
_version_	1718409208836128768

Kombinasi Metode ISOMAP Dan KNN Pada Image Processing Untuk Pengenalan Wajah

Ejemplares similares