PENINGKATAN PERFORMA KLASIFIKASI JENIS KELAMIN PADA CITRA WAJAH MENGGUNAKAN METODE SELF QUOTIENT IMAGE PADA CONVOLUTIONAL NEURAL NETWORK

Asfandima, Ilhan Alim (2024) PENINGKATAN PERFORMA KLASIFIKASI JENIS KELAMIN PADA CITRA WAJAH MENGGUNAKAN METODE SELF QUOTIENT IMAGE PADA CONVOLUTIONAL NEURAL NETWORK. Bachelor thesis, UNIVERSITAS NASIONAL.

	Text COVER.pdf Download (2MB)
	Text BAB I.pdf Download (751kB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (730kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Penelitian ini berfokus pada peningkatan performa klasifikasi jenis kelamin pada citra
wajah menggunakan metode Self Quotient Image (SQI) pada arsitektur Convolutional
Neural Network (CNN). Klasifikasi jenis kelamin memiliki aplikasi yang luas, mulai dari
keamanan hingga pemasaran. Tantangan utama dalam klasifikasi ini adalah variasi
pencahayaan yang mempengaruhi kualitas citra wajah. Untuk mengatasi hal ini, metode
SQI diterapkan untuk menstabilkan efek variasi pencahayaan sebelum citra diproses oleh
CNN. Arsitektur CNN yang digunakan adalah VGG16, yang telah terbukti efektif dalam
pengenalan gambar. Hasil penelitian menunjukkan bahwa model yang dilatih dengan
metode SQI mencapai akurasi sebesar 95,78%, menjadikannya teknik preprocessing
terbaik dibandingkan dengan metode lain seperti Difference of Gaussian (DoG) dan
Locally Tuned Inverse Sinus Nonlinear (LTISN) yang masing-masing mencapai akurasi
92,63% dan 91,58%. Temuan ini menunjukkan bahwa penerapan SQI pada CNN dapat
meningkatkan akurasi klasifikasi jenis kelamin pada citra wajah, memberikan performa
yang lebih baik dibandingkan metode sebelumnya. Temuan ini diharapkan dapat menjadi
dasar bagi pengembangan lebih lanjut dalam klasifikasi citra wajah dan aplikasinya di
berbagai bidang.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > H Social Sciences (General) J Political Science > JA Political science (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	30 Sep 2024 03:27
Last Modified:	30 Sep 2024 03:27
URI:	https://repository.unas.ac.id/id/eprint/12182

Actions (login required)

View Item