Steven, Steven (2020) Program Aplikasi Pengenalan Wajah Secara Real Time dengan Siamese Network. Skripsi thesis, Universitas Tarumanagara.
![[img]](http://repository.untar.ac.id/style/images/fileicons/text.png) |
Text
535160001_Steven_01 Cover.pdf Download (105kB) |
|
Text
535160001_Steven_02 Lembar Pengesahan.pdf Download (190kB) |
|
Text
535160001_Steven_03 Lembar Pernyataan.pdf Download (223kB) |
|
Text
535160001_Steven_04 Abstrak.pdf Download (121kB) |
|
Text
535160001_Steven_05 Kata Pengantar.pdf Download (107kB) |
|
Text
535160001_Steven_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (134kB) |
|
Text
535160001_Steven_07 Bab 1.pdf Restricted to Registered users only Download (156kB) |
|
Text
535160001_Steven_08 Bab 2.pdf Restricted to Registered users only Download (567kB) |
|
Text
535160001_Steven_09 Bab 3.pdf Restricted to Registered users only Download (244kB) |
|
Text
535160001_Steven_10 Bab 4.pdf Restricted to Registered users only Download (340kB) |
|
Text
535160001_Steven_11 Bab 5.pdf Restricted to Registered users only Download (159kB) |
|
Text
535160001_Steven_12 Daftar Pustaka.pdf Download (121kB) |
|
Text
535160001_Steven_13 Lampiran.pdf Restricted to Registered users only Download (6MB) |
|
Text
535160001_Steven_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (95kB) |
Abstract
Penggunaan sistem keamanan menggunakan data biometrik semakin sering dijumpai. Salah satu implementasi penggunaan data biometrik yang semakin diminati saat ini adalah pengenalan wajah manusia. Hal ini dikarenakan kemudahan yakni tidak adanya kontak langsung dengan perangkat sehingga higienis. Aplikasi pengenalan wajah yang dibuat berbasis desktop dan berfokus untuk mengenali wajah pengguna yang telah didaftarkan pada sistem sebelumnya. Proses pendeteksian wajah menggunakan Multi-task Cascaded Neural Network (MTCNN) yakni Neural Network yang secara khusus dilatih untuk melakukan pendeteksian wajah sehingga tidak dilakukan pelatihan untuk model ini. Terdapat dua buah jenis model deep learning yang dilatih untuk melakukan pengenalan wajah yakni model Siamese Network yang terdiri dari dua buah Convolutional Neural Network (CNN) dan Siamese Network yang terdiri dari tiga buah Convolutional Neural Network (CNN). Hasil pengujian yang didapat terhadap 80 citra adalah sebesar 98.75% dengan threshold 0.304 yang didapat dari Equal Error Rate (ERR). Hasil pengujian secara real time terhadap 101 subjek memiliki akurasi sebesar 85.15% dengan skenario pengujian wajah subjek hadap depan, 50.49% dengan skenario pengujian wajah subjek miring ke kiri dan 54.45% dengan skenario pengujian wajah subjek miring ke kanan.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network, Siamese Network, Equal Error Rate, Multi-task Cascaded Neural Network, Face Recognition |
| Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
| Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
| Depositing User: | TDI Family perpus |
| Date Deposited: | 06 May 2021 10:23 |
| Last Modified: | 09 Aug 2021 06:00 |
| URI: | http://repository.untar.ac.id/id/eprint/28302 |
Actions (login required)
 |
View Item |
