Pengembangan Sistem Pengenalan Wajah Dengan Metode Pengklasifikasian Hibrid Berbasis Jaringan Fungsi Basis Radial Dan Pohon Keputusan Induktif

Pengklasifikasian wajah berkaitan dengan variasi data misalnya detil - detil kecil dari wajah atau transformasi saat proses pengambilan citra. Pengklasifikasian wajah dengan metode hybrid menggabungkan pembelajaran berbasis Jaringan Fungsi Basis Radial (JFBR) dan Pohon Keputusan Induktif. JFBR digunakan sebagai metode pembelajaran dalam arsitektur jaringan syaraf tiruan. Untuk meningkatkan kemampuan pengenalan dilakukan pengklasifikasian pada Pohon Keputusan Induktif. Selain menjadi metode penghubung pada pengklasifikasian hibrid, Himpunan JFBR (HJFBR) digunakan untuk penyediaan atribut pada pengklasifikasian Pohon Keputusan Induktif. Uji coba dilakukan pada 50 obyek  dengan total ± 500 citra wajah dalam format grayscale. Data dipilih dengan memberi variasi mimik wajah, kemiringan (rotasi) data ± 50 dan juga dipengaruhi oleh pencahayaan di dalam ataupun d iluar ruangan. Rata– rata peningkatan keakurasian positif benar yang diberikan arsitektur HJFBR dibanding JFBR sebesar ±13,86% untuk HJFBR1 dan ±15,93% untuk HJFBR2. Namun menurunkan keakurasian negatif benar sebesar ±5,8% untuk HJFBR1 dan ±5,6% untuk HJFBR2. Penambahan pohon keputusan induktif pada  metode hibrid memberikan keuntungan selain tetap dapat meningkatkan keakurasian positif benar juga mampu mengatasi permasalahan sebelumnya tentang penurunan keakurasian negatif benar.

Kata kunci:  pengenalan wajah, jaringan fungsi basis radial, pengklasifikasian hibrid, pohon
jurnal lengkap dapat dilihat dan diunduh disini

Mengenal Java dari Basic

Kali ini aye akan membagi pengetahuan tentang Bahasa Pemrograman Java dari 0 ( Basic). Lets Check It, apa itu Java ?

Bahasa java pertama kali dikonsepkan oleh James Gosling, Patrick Naughton, Chris Warth, Ed Frank, dan Mike Sheridan di Sun Microsystem tahun 1991, dengan nama bahasa pemrograman “Oak”. Dan pada tahun 1995 mereka mengunjungi sebuah café kopi local dan mengubah namanya menjadi “Java” hingga sekarang.Java awalnya dikhususkan untuk aplikasi berbasis internet, namun sekarang aplikasi Java sudah dapat digunakan untuk tidak hanya berbasis Web saja tetapi dari Desktop hingga aplikasi mobile.

Pengklasifikasian Gender Dengan Menentukan Titik-Titik Penting Pada Sistem Pengenalan Wajah Menggunakan Matlab 6.5

Pengenalan wajah manusia dengan menggunakan sistem komputer telah menjadi  suatu area yang menarik perhatian para peneliti sejak lama. Saat ini, sistem pengenalan wajah sendiri telah di aplikasikan pada sejumlah bidang, seperti pada bidang forensik, psikologi, dan keamanan. Algoritma yang digunakan dalam pengenalan wajah memang cukup banyak dan bervariasi, tetapi semuanya memiliki tiga tahap dasar yang sama, yaitu tahap deteksi wajah (Face Detection), tahap ekstraksi komponen wajah (Facial Features Extraction), dan yang terakhir tahap pengenalan wajah (Face Recognition). Pada tahap pengenalan wajah kita dapat melakukan klasifikasi wajah terhadap gender yaitu dengan cara memanfaatkan jarak-jarak antar daerah bagian mata dan daerah bagian tepi wajah, dengan cara pengukuran jarak yang telah diambil dari penentuan titik-titik yang diperlukan dalam pengklasifikasian gender. Pada penulisan ini berasal dari algoritma yang terdapat pada jurnal penelitian Chandan Ghosh dan P.Kiranthi kiran yang telah disesuaikan dengan keadaan citra uji coba yang akan digunakan. Dari 70 citra wajah yang digunakan sebagai uji coba didapatkan tingkat keberhasilan pengklasifikasian gender sebesar

Kata Kunci : Pengenalan Wajah, Gender

Jurnal lengkap dapat dilihat dan diunduh disini

Sistem Pengenalan Wajah 3-D Menggunakan Penambahan Garis Ciri Pada Metode Perhitungan Jarak Terpendek Dalam Ruang Eigen

Dalam penelitian ini, penulis mengajukan metodologi baru dalam sistem pengenalan wajah 3-D dengan menggunakan penambahan garis ciri pada metode perhitungan jarak terpendek dalam ruang ciri. Penambahan garis ciri ini dilakukan dengan memperbanyak jumlah garis ciri tanpa menambahkan titik ciri baru, dengan membentuk sebuah garis ciri baru dari setiap titik ciri terhadap setiap garis ciri yang dibentuk dari setiap dua buah titik ciri. Dengan penambahan garis cirri ini, sistem akan memperoleh tambahan informasi variasi ciri obyek, sehingga tingkat pengenalan sistem dapat meningkat. Dalam makalah ini, penulis juga mengembangkan metode TK-LSebagian1 dan TK-LSebagian2 sebagai metode untuk mentransformasikan citra wajah 3-D dari ruang citra spatial ke dalam representasi ruang eigennya. Data percobaan dalam penelitian menggunakan citra wajah orang Indonesia dalam berbagai sudut pandang pengamatan dan ekspresi. Pengujian terhadap sistem dilakukan untuk mengenali wajah dengan sudut pandang pengamatan yang berbeda dengan citra wajah yang  dilatihkan sebelumnya. Hasil penelitian menunjukkan bahwa tingkat pengenalan tertinggi akan diperoleh sistem dengan menggunakan TK-LSebagian2 dan metode penambahan garis ciri yaitu sebesar 99.17%.