UPA. PERPUSTAKAAN

  • Beranda
  • Informasi
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Klasifikasi citra daun berdasarkan features tekstur menggunakan support vector machine (SVM)
Penanda Bagikan

Skripsi Ilmu Komputer

Klasifikasi citra daun berdasarkan features tekstur menggunakan support vector machine (SVM)

Alfharuki Riansyah - Nama Orang;

Penelitian ini di lakukan untuk membandingkan dua metode pada pengenalan citra ekspresi wajah. Ekspresi wajah memainkan peranan yang penting dalam interaksi sosial manusia. Penggunaan pengenalan ekspresi wajah berkembang ke dalam beberapa aplikasi, salah satunya adalah interaksi manusia dengan mesin komputer. Mesin tidak dapat mengenali ekspresi wajah seperti manusia. Kemampuan mesin untuk mengenali ekspresi wajah dapat dilakukan dengan cara pembelajaran mesin. Salah satu metode yang dapat digunakan untuk pembelajaran mesin seperti identifikasi pola citra adalah jaringan syaraf tiruan. Jaringan syaraf tiruan yang di gunakan pada penelitian ini menggunakan metode pembelajaran terawasi (supervised learning), yaitu metode jaringan syaraf tiruan Backpropagation dan Support Vector Machine. Tujuan penelitian ini untuk mengetahui perbedaan waktu proses dan keakuratan dari kedua metode tersebut pada ekspresi wajah. Pengumpulan data yang didapatkan yaitu database JAFFE (Japanese Female Facial Expression) adalah database yang berisikan 7 ekspresi dasar wajah manusia. Tahapan klasifikasi meliputi tahapan pra proses hingga normalisasi. Setelah didapatkan piksel mentah dari semua ekspresi, maka terbentuk vektor fitur. Vektor fitur ini sebagai data yang digunakan untuk pengklasifikasian dengan menggunakan Backpropagation dan Support Vector Machine. Nilai akurasi prediksi dari 20% hasil data yang di uji pada Backpropagation yaitu 42 citra ekspresi wajah sebesar 61,9% dari data pelatihan dan dari data baru sebesar 35,71%, sedangkan hasil data pelatihan yang di uji pada Support Vector Machine yaitu sebesar 88,09% dan data baru sebesar 64,28%. Maka dapat disimpulkan bahwa dari kedua metode tersebut metode Support Vector Machine lebih baik dalam mengenali citra ekspresi wajah baik data training maupun data yang di ujikan.


Kata kunci : Jaringan Syarat Tiruan, Backpropagation, Support Vector Machine, Citra, Ekspresi Wajah.


Ketersediaan
#
My Library (RAK S) SK0810 511 096
SK0810 511 096
Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
SK0810 511 096
Penerbit
Jakarta : FIKUPNVJ., 5015
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPA. PERPUSTAKAAN
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan UPNVJ merupakan Perpustakaan yang selalu memberikan layanan yang prima kepada pemustakanya dan terus berinovasi serta adaptif terhadap perubahan. 

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?