Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Destri Wulansari
Universitas Jenderal Achmad Yani
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation Destri Wulansari; Esmeralda C. Djamal; Ridwan Ilyas
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengenalan pola dapat dilakukan pada bagian tubuh manusia seperti sidik jari, retina mata dan wajah. Pengenalan pola wajah dapat dipandang mengenali identitas, emosi, ras dan gender berdasarkan fitur-fitur yang dimiliki. Penelitian terdahulu mengenali usia dan jenis kelamin menggunakan metode Jaringan Syaraf Tiruan (JST), penelitian lain untuk mengenali citra wajah menggunakan metode Two-Dimensional Linear Discriminant Analysis (TDLDA) dan Support Vector Machine (SVM), dan untuk mengenali ekspresi wajah menggunakan JST Backpropagation. Pengenalan citra wajah untuk identifikasi gender dapat digunakan untuk rekapitulasi kehadiran dan akses suatu ruangan khusus. Penelitian ini membangun sistem identifikasi gender berdasarkan citra wajah menggunakan JST. Segmentasi citra wajah menjadi segmen mata, segmen mata kanan, segmen mata kiri, dan mulut yang dilakukan konversi ke vektor sebagai masukan dari JST menggunakan metode Backpropagation. Backpropagation mempunyai kemampuan untuk belajar (bersifat adaptif) dan memiliki resiko kesalahan yang kecil (Fault Tolerance) secara umum toleran terhadap kebisingan pada pola masukan. Hasil identifikasi dari 60 data yang pernah dilatih sebelumnya dengan hasil sebesar 100%. sedangkan hasil identifikasi dari 60 data yang belum pernah dilatih sebelumnya menghasilkan akurasi sebesar 82%.
Co-Authors Esmeralda C. Djamal Ridwan Ilyas