PENERAPAN PENGAMAN KENDARAAN MOBIL BERBASIS FACE RECOGNITION MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS

IQBAL ZULFIKAR, 1415031067 (2019) PENERAPAN PENGAMAN KENDARAAN MOBIL BERBASIS FACE RECOGNITION MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS. Fakultas Teknik, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (381Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (2272Kb)
Preview	File PDF SKRIPSI FULL TANPA PEMBAHASAN.pdf Download (1543Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Wajah merupakan salah satu ukuran fisiologis yang paling mudah dan sering digunakan untuk membedakan identitas individu yang satu dengan yang lainnya. Proses pengenalan wajah dengan menerapkan metode Principal Component Analysis sebagai pemicu untuk menyalakan starter mobil manual secara otomatis. Adapun cara kerja metode Principal Component Analysis adalah dengan menghitung rata-rata flatvector pixel dari gambar yang sudah disimpan dalam databse, dari rata-rata flatvector tersebut akan didapatkan nilai eigenface masingmasing gambar dan kemudian akan dicari nilai eigenface terdekat dari gambar citra wajah yang ingin dikenali. Pada penelitian ini sistem pengenalan wajah yang dibuat memiliki tingkat keberhasilan sebesar 60% dari 10 kali pengujian pada keadaan intensitas cahaya bernilai 28 lux, dan 80% dari 10 kali pengujian pada keadaan intensitas cahaya bernilai 86 lux. sistem mampu mengenali wajah dengan jarak antara camera dengan penguji berkisar 40 cm – 80 cm. Kata kuci: Pengenalan Wajah, PCA, Eigenface, Flatvector. The face is one of the easiest physiological measures and is often used to distinguish individual identities from one another. The face recognition process by applying the Principal Component Analysis method as a trigger to turn on the manual car starter automatically. The workings of the Principal Component Analysis method is to calculate the average flatvector pixel of the image that has been stored in the database, from the average flatvector, the eigenface value of each image will be obtained and then the nearest eigenface value from the image of the face image will be searched recognized. In this study the face recognition system that was made had a success rate of 60% from 10 times the state of light intensity worth 28 lux, and 80% from 10 times the test on the state of light intensity worth 86 lux. The system is able to recognize faces with the distance between the camera and the tester ranging from 40 cm - 80 cm. Keywords: Face Recognition, PCA, Eigenface, Flatvector.

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	UPT . Digilib2
Date Deposited:	29 Mar 2022 13:21
Terakhir diubah:	29 Mar 2022 13:21
URI:	http://digilib.unila.ac.id/id/eprint/56595

Actions (login required)

Lihat Karya Akhir