APLIKASI MOBILE PENGENALAN WAJAH SECARA REAL-TIME BERBASIS PRINCIPAL COMPONENT ANALYSIS
DOI:
https://doi.org/10.51804/ucaiaj.v2i1.57-66Keywords:
pengenalan wajah, personal componetn analysis, python loginAbstract
Manusia dapat dengan mudah mengenali wajah satu sama lain hanya dengan memandang. Penelitian ini mengimplementasikan pengenalan wajah berbasis pada Principal Component Analysis untuk mengembangkan aplikasi mobile secara real-time. Penelitian ini bertujuan untuk menghasilkan sebuah proses otentikasi melalui pengenalan wajah sebagai ganti memasukkan username dan password. Euclidean distance juga digunakan untuk mencari kemiripan terdekat antara citra testing dan citra training. Penelitian ini membuktikan bahwa kualitas citra dapat mempengaruhi hasil. Prapemrosesan harus dilakukan sebelum proses pengenalan untuk meminimalisir kualitas citra yang bervariasi karena semakin variatif kumpulan citra semakin tidak akurat hasilnya. Demikian juga semakin banyak citra training yang didapat maka semakin akurat hasil yang akan diperoleh.
References
Freund, Y., Schapire, R., & Abe, N. (1999). A short introduction to boosting. Journal-Japanese Society For Artificial Intelligence, 14(771–780), 1612.
Gonzales, R., & Woods, R. (1992). Digital image processing.[Sl]. Addison-Wesley Publishing Company.
Hatta, M., Susrama, I. G., Purnama, I. K. E., & Hariadi, M. (2016). Cacah Spermatozoa Menggunakan Background Segmentation dan Boundary Detection. SCAN - Jurnal Teknologi Informasi Dan Komunikasi, 11(1), 67–74.
Hjelmås, E., & Low, B. K. (2001). Face detection: A survey. Computer Vision and Image Understanding, 83(3), 236–274.
Lienhart, R., & Maydt, J. (2002). An extended set of haar-like features for rapid object detection. Proceedings. International Conference on Image Processing, 1, I–I. IEEE.
Munir, R. (2004). Pengolahan citra digital dengan pendekatan algoritmik. Informatika, Bandung.
Oliveira, M., & Santos, V. (2008). Automatic detection of cars in real roads using haar-like features. Department of Mechanical Engineering, University of Aveiro, 3810.
Prasetya, D. A., & Nurviyanto, I. (n.d.). Deteksi Wajah Metode Viola Jones pada Opencv Menggunakan Pemrograman Python. Retrieved October 18, 2018, from https://publikasiilmiah.ums.ac.id/xmlui/handle/11617/3936
Purnomo, M. H., & Muntasa, A. (2010). Konsep pengolahan citra digital dan ekstraksi fitur. Yogyakarta: Graha Ilmu.
Putra, B. C., & Afifah, Y. N. (2018). GAUSSIAN MIXTURE MODEL UNTUK PENGHITUNGAN TINGKAT KEBERSIHAN SUNGAI BERBASIS PENGOLAHAN CITRA. Teknika: Engineering and Sains Journal, 2(1), 53–58.
Rahmah, D. A. N. (2011). Teknik Pengenalan Wajah Dengan Algoritma PCA Berbasis Seleksi Eigenvector. Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro. Surabaya: ITS.
Santoso, A., Arif, I., & Hatta, M. (2017). Pembelajaran Supervised SVM Untuk Identifikasi Obyek Pisau Pada Mesin X-Ray Bandara Juanda. Nusantara Journal of Computers and Its Applications, 1(1).
Sung, K.-K. (1996). Learning and example selection for object and pattern detection.
Suprianto, D., & Hasanah, R. N. (2014). Sistem Pengenalan Wajah Secara Real-Time dengan Adaboost, Eigenface PCA & MySQL. Jurnal EECCIS, 7(2), 179–184.
Yang, M.-H., Kriegman, D. J., & Ahuja, N. (2002). Detecting faces in images: A survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(1), 34–58.
Downloads
Published
Issue
Section
License
With the receipt of the article by UCaiAJ Editorial Board and the decision to be published, the copyright regarding the article will be transferred to UCaiAJ. The copyright transfer form can be downloaded here.
UCaiAJ has the right to multiply and distribute the article and every author is not allowed to publish the same article that was published in this journal.
UCaiAJ is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Under the following terms:
Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
