PEMODELAN PENGENALAN CITRA WAJAH MENGGUNAKAN TRANSFORMASI WAVELET DAUBECHIES 1 DAN JARINGAN SARAF TIRUAN (JST) BACKPROPAGATION
Bilah Samping Artikel
Read Counter : 296
Download : 323
Isi Artikel Utama
Abstrak
The current use of traditional house keys is still considered very less secure so that other methods are needed to improve the level of security. Humans have their own unique characteristics to distinguish one human from another. One of them is the face. This study aims to create an automatic modelling system that can detect a person's face. This modelling system is expected to be able to make a decision whether the person who will enter the house is a occupants of the house or someone else. This automated modelling system uses digital image processing. Feature extraction in this modelling system uses the Wavelet Dauechies 1 Transformation and for its classification uses the Backpropagation Neural Network method. This modelling system experimented 30 times for occupants with 28 successes and 2 failures. Meanwhile, for non-occupants, 30 trials were carried out with a result that 30 times successfully refused entry. This modelling system has an accuracy of 97.33% with an error of 0.38, the Mean Absolute Percentage of 26.23% and the Mean Square Error of 0.38
ABSTRAK:
Penggunaan kunci rumah saat ini yang masih tradisional dirasa masih sangat kurang keamanannya sehingga dibutuhkan metode lain untuk memperbaiki tingkat keamanannya. Manusia memiliki ciri khas masing masing untuk membedakan manusia yang satu dengan yang lainnya. Salah satu ciri khas pada manusia adalah wajah. Penelitian ini mempunyai tujuan untuk membuat sistem pemodelan otomatis yang bisa mendeteksi wajah seseorang. Sistem pemodelan ini diharapkan bisa mengambil sebuah keputusan apakah orang yang akan masuk ke dalam rumah merupakan penghuni rumah atau orang lain. Sistem pemodelan otomatis ini menggunakan pengolahan citra digital. Ekstraksi ciri pada sistem pemodelan ini menggunakan Transformasi Wavelet Dauechies 1 dan untuk klasifikasinya menggunakan metode Jaringan Saraf Tiruan Backpropagation. Sistem pemodelan ini melakukan percobaan sebanyak 30 kali untuk penghuni dengan hasil 28 kali berhasil dan 2 kali gagal. Sedangkan untuk yang bukan penghuni dilakukan percobaan sebanyak 30 kali percobaan dengan hasil 30 kali berhasil ditolak masuk. Sistem pemodelan ini mempunyai akurasi 97,33% dengan Error sebesar 0,38, Mean Absolute Percentage nya sebesar 26,23% dan Mean Square Error nya sebesar 0,38
Rincian Artikel
Hak Penulis
Sebagai Penulis Jurnal, Anda memiliki hak untuk berbagai kegunaan untuk artikel Anda, termasuk penggunaan oleh institusi atau perusahaan yang mempekerjakan Anda. Hak penulis dapat dilaksanakan tanpa perlu izin khusus. Penulis yang menerbitkan dalam jurnal TESLA: Jurnal Teknik Elektro memiliki hak luas untuk menggunakan karya-karya mereka untuk tujuan pengajaran dan ilmiah tanpa perlu mencari izin, termasuk: digunakan untuk pengajaran di kelas oleh penulis atau lembaga penulis dan presentasi di pertemuan atau konferensi dan mendistribusikan salinan kepada peserta; gunakan untuk pelatihan internal oleh perusahaan penulis; distribusi ke kolega untuk penggunaan penelitian mereka; digunakan dalam kompilasi karya penulis selanjutnya; termasuk dalam tesis atau disertasi; penggunaan kembali sebagian atau kutipan dari artikel dalam karya lain (dengan pengakuan penuh atas artikel final); persiapan karya turunan (selain untuk tujuan komersial) (dengan pengakuan penuh atas artikel akhir); posting sukarela di situs web terbuka yang dioperasikan oleh penulis atau lembaga penulis untuk tujuan ilmiah (harus mengikuti CC dengan Lisensi SA).
Penulis dapat menyalin dan mendistribusikan ulang materi dalam media atau format apa pun, dan mencampur, memodifikasi, dan membuat materi untuk tujuan apa pun, bahkan secara komersial, tetapi mereka harus memberikan kredit yang sesuai (mengutip artikel atau konten), memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Jika Anda mencampur, memodifikasi, atau membuat materi, Anda harus mendistribusikan kembali kontribusi Anda di bawah lisensi yang sama seperti aslinya.
Perjanjian Transfer Hak Cipta (untuk Penerbitan)
Penulis yang mengirimkan naskah melakukannya dengan pemahaman bahwa jika diterima untuk publikasi, publikasi hak cipta dari artikel tersebut akan diberikan / ditransfer ke TESLA: Jurnal Program Studi Teknik Elektro dan Teknik Elektro, Fakultas Teknik, Universitas Tarumanagara sebagai Penerbit Jurnal. Setelah menerima artikel, penulis akan diminta untuk menyelesaikan 'Perjanjian Transfer Hak Cipta' (lihat informasi lebih lanjut tentang ini). E-mail akan dikirim ke penulis terkait yang mengkonfirmasi penerimaan naskah beserta formulir 'Perjanjian Transfer Hak Cipta' dengan versi online dari perjanjian ini.
TESLA: Jurnal Teknik Elektro dan Program Studi Teknik Elektro, Fakultas Teknik, Universitas Tarumanagara, Editor dan Dewan Penasihat Nasional dari Dewan Penasihat, berupaya sebaik mungkin untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah, menyesatkan, opini atau pernyataan diterbitkan dalam jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TESLA: Jurnal Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Ingat, meskipun kami meminta transfer hak cipta, penulis jurnal kami tetap (atau diberikan kembali) hak ilmiah yang signifikan seperti yang disebutkan sebelumnya.
Formulir Copyright Transfer Agreement (CTA) dapat diunduh di sini: [TESLA Copyright Transfer Agreement Form (CTA): Journal of Electrical Engineering 2020]
Formulir hak cipta harus ditandatangani secara elektronik dan dikirim ke Kantor Editorial dalam bentuk email asli di bawah ini:
Ir. Wahidin Wahab, MSc, PhD. (Pemimpin Redaksi)
Kantor Editorial TESLA: Jurnal Teknik Elektro, Fakultas Teknik Universitas Tarumanagara
Jl. Letjen S. Parman No. 1 Grogol Petamburan, Jakarta Barat, Indonesia 11440
Tel: 085156207206 (a.n Sofyan maulana)
E-mail: tesla@ft.untar.ac.id
Referensi
A. R. Syakhala, D. Puspitaningrum, and E. P. Purwandari, “Perbandingan Metode Principal Component Analysis (PCA) dengan Metode Hidden Markov Model (HMM) dalam Pengenalan Identitas,” J. Inform., vol. 3, no. 2, pp. 68–79, 2015.
I. Sharif and S. Khare, “Comparative Analysis of Haar And Daubechies Wavelet for Hyper Spectral Image Classification,” Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci., vol. XL–8, pp. 937–941, 2014.
M.Razak, “Peramalan Jumlah Produksi Ikan Dengan menggunakan Backpropagation Neural Network,”Tugas Akhir, Institut Teknologi Sepuluh Nopember , Surabaya, 2017.
.A. Atiliani, “Pelatihan Jaringan Saraf Tiruan Multi Layer Perceptron Menggunakan Genetic Algorithm Levenberg Marquardt,” Tugas Akhir, Universitas Sebelas Maret, Surakarta, 2013.
H. Simaremare dan A. Kurniawan, “Perbandingan Akurasi Pengenalan Wajah Menggunakan Metode LBPH dan Eigenface dalam Mengenali Tiga Wajah Sekaligus secara Real-Time,” J. Sains, Teknol. dan Ind., vol. 14, no. 1, pp. 66–71, 2016.
H. Candra, M. Yuwono, R. Chai, H. Nguyen, and S. Su, “Classification of Facial-Emotion Expression in the Application of Psychotherapy using Viola-Jones and Edge-Histogram of Oriented Gradient,” IEEE, pp. 423–424, 2016.
Z. Hua and M. N. Chong, “Wavelet-denoising approach for removing background noise in medical images,” in Proceedings of the International Conference on Information, Communications and Signal Processing, ICICS, 1997.
Sriani, Triase, dan Khairuna, “Pendekomposisian Citra Digital Dengan Algoritma DWT,” J. Ilmu Komput. dan Inform., vol. 1, no. 1, pp. 35–39, 2017.
C. Reza, “Teknik Potensi Diferensial pada Transformator Daya Tiga Fasa dengan Menggunakan Transformasi Wavelet,”Tugas Akhir, Universitas Pendidikan Indonesia, Bandung, 2013.
.S. N. Wibowo, B. Hidayat, dan J. Arif, “Identifikasi Jenis Batuan Beku Melihat Bentuk Pola Batuan Menggunakan Metode Discrete Wavelet Transform (DWT) dan K-Nearest Neighbor (KNN),” e-Proceeding Eng., vol. 4, no. 2, pp. 1677–1684, 2017.
M. Felyana, “Watermarking Video Menggunakan Transformasi Wavelet Diskrit,” J. GENERIC, vol. 8, no. 1, pp. 198–208, 2013.
.S. Agoes, Reduksi Noise pada Citra Menggunakan Transformasi Wavelet. Tesis, Universitas Indonesia, Depok, 1998.
E. Siti, A. Hayat, P. Widanti, S. Yulinda, dan H. Iskandar, “Analisis Kemiripan Pola Citra Digital Menggunakan Metode Euclidean,” Semin. Nas. Teknol. Inf. dan Multimed., vol. 5, no. 4, pp. 13–18, 2015.
M. Rin Rin, “Analisis Mean Square Error (MSE) Proses Pelatihan Menggunakan Metode Backpropagation dengan Self Organizing Maps dan Nguyen-Withdrow,” Tesis, Universitas Sumatera Utara, Medan, 2015