Analisa Perbandingan Algoritma Euclidean Dan Manhattan Distance Dalam Identifikasi Wajah

Azis, Abdul and Pamungkas, Danar Putra and Setiawan, Ahmad Bagus (2021) Analisa Perbandingan Algoritma Euclidean Dan Manhattan Distance Dalam Identifikasi Wajah. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

Text (Full Text) RAMA_55201_17103020026.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (633kB) | Request a copy

Abstract

Wajah merupakan bagian muka kepala pada manusia dari dahi sampai dagu. Wajah berguna untuk mengenali individu dengan cara natural dan paling umum. Selain mengurangi kecurangan siswa, guru atau karyawan dan pemakaian fingerprint secara bergantian yang sangat beresiko menularnya covid-19, presensi dengan pengenalan wajah akan lebih aman dan tersistem. Penelitian ini menggunakan metode Local Binary Patterns (LBP) dalam ekstraksi fitur, sedangkan untuk klasifikasi membandingkan akurasi algoritma perhitungan jarak yaitu Euclidean dan Manhattan yang diterapkan pada proses pengujian dengan beberapa skenario jumlah data training dan data testing. Hasil akurasi tertinggi terdapat pada algoritma euclidean distance yang mencapai 100%, dibandingkan dengan algoritma manhattan distance yang hanya mencapai 85%. Semakin banyak data latih yang digunakan, semakin tinggi tingkat akurasi pengujian.

Actions (login required)

View Item