MODIFIKASI ALGORITMA LEARNING VECTOR QUANTIZATION PADA SISTEM IDENTIFIKASI WAJAH
Isi Artikel Utama
Abstrak
Wajah merupakan suatu penanda untuk mengenali seseorang. Seperti yang sudah dijelaskan, jika seseorang berkenalan dengan seseorang, hal yang paling diingat adalah wajah seseorang tersebut. Selain digunakan untuk mengenali seseorang, wajah juga digunakan untuk hal lain seperti untuk keperluan pendataan penduduk, absensi dan sistem pengamanan dengan menggunakan sistem identifikasi wajah.
Dalam menyelesaikan masalah yang kompleks seperti identifikasi wajah memerlukan metode cepat, tepat dan akurat. Kecerdasan buatan (Artificial Intelligence) merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan dengan metode cepat, tepat dan akurat. Salah satunya adalah algoritma Learning Vector Quantization (LVQ).
Pada penelitian ini, peneliti mengembangkan metode LVQ dengan memasukkan karakteristik dari algoritma Backpropagation yaitu hidden layer dan bobot acak pada pengenalan wajah yang dinamakan Modified Learning Vector Quantization (MLVQ). Penelitian ini juga membahas pengolahan citra digital khususnya proses segmentasi, normalisasi, grayscale dan binerisasi dari gambar wajah seseorang sebagai masukan (input). Sedangkan pada proses pengenalan wajah, penelitian ini menggunakan MLVQ dengan harapan target hasil (output) dapat mengidentifikasi semua gambar wajah, cepat, learning rate minimum, akurat dan error paling minimum
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferensi
[1]Kohonen, T. (1990). The self-organizing map. Proceedings of the IEEE, 78(9), 1464–1480.
[2]Kohonen, T. (1995). Learning Vector Quantization (LVQ). In Self-Organizing Maps (pp. 175–189). Springer.
[3]Kusuma, A., & Santosa, B. (2013). Face recognition using PCA + LVQ. International Conference on Advanced Computer Science and Information Systems (ICACSIS).
[4]Villmann, T., Hammer, B., & Schleif, F. M. (2017). Prototype-based learning: Theory, algorithms, and applications. Wiley Interdisciplinary Reviews: Cognitive Science, 8(1–2).
[5]Haq, F., & Wu, M. (2019). Face recognition using LVQ with feature reduction. International Journal of Pattern Recognition and Artificial Intelligence, 33(5), 1950017.
[6]Pratama, R., & Wibawa, A. (2020). Peningkatan akurasi pengenalan wajah berbasis LVQ melalui adaptasi learning rate. Jurnal Teknologi Informasi dan Ilmu Komputer, 7(4), 651–660.
[7]Wijaya, I. M., & Ardian, D. (2021). Hybrid PCA-LVQ-BP for facial expression recognition. Jurnal Teknologi dan Sistem Komputer, 9(2), 123–130.