KLASIFIKASI CITRA WAJAH BERDASARKAN RAS MENGGUNAKAN EKTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX DAN KLASIFIKASI K-NN

Arief Juwanda, . (2025) KLASIFIKASI CITRA WAJAH BERDASARKAN RAS MENGGUNAKAN EKTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX DAN KLASIFIKASI K-NN. Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.

	Text AWAL.pdf Download (529kB)
	Text ABSTRAK.pdf Download (12kB)
	Text BAB I.pdf Restricted to Repository UPNVJ Only Download (146kB) | Request a copy
	Text BAB II.pdf Restricted to Repository UPNVJ Only Download (203kB) | Request a copy
	Text BAB III.pdf Restricted to Repository UPNVJ Only Download (297kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository UPNVJ Only Download (649kB) | Request a copy
	Text BAB V .pdf Download (127kB)
	Text DAFTAR PUSTAKA.pdf Download (133kB)
	Text RIWAYAT HIDUP.pdf Restricted to Repository UPNVJ Only Download (7kB) | Request a copy
	Text ARTIKEL KI.pdf Restricted to Repository staff only Download (323kB) | Request a copy
	Text HASIL_TURNITIN.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Manusia merupakan makhluk hidup cerdas yang diberikan akal dan pikiran untuk bertindak dan berpikir. Manusia merupakan makhluk hidup yang mendominasi pada dunia ini. Manusia sangat beragam dengan perbedaan warna kulit, bentuk wajah, tinggi badan, dan masih banyak lagi perbedaan. Dahulu kala, perbedaan ini yang membentuk sebuah populasi yang ditinggali dengan karakteristik yang sama antar sesama. Salah satu perbedaan dari sesama manusia adalah bentuk wajah.Pada penelitian ini peneliti menggunakan citra wajah yang sudah dilabelin untuk umur, jenis kelamin,dan rasnya. Citra MRI yang digunakan sebanyak 40 citra dengan pembagian sebanyak dua kelas, yaitu kelas Asian dan negroid. Untuk mengambil fitur dari citra, peneliti menggunakan metode ekstraksi fitur gray level co-occurrence matrix(GLCM) dengan derajat 0,45,90, dan 135 serta menggunakan fitur dissimilarity, homogeneity, contrast, asm, energy, dan correlation. Hasil GLCM akan menghasilkan 24 fitur yang akan digunakan peneliti untuk klasifikasi. Pada penelitian ini peneliti menggunakan metode Klasifikasi K-NN

Item Type:	Thesis (Skripsi)
Additional Information:	[No.Panggil : 1810511071] [Pembimbing : Neny Rosmawarni] [penguji 1 : Widya Cholil] [penguji 2 : Muhammad Adrezo]
Uncontrolled Keywords:	Grey level co-occurrence matrix, Face, Race,K-NN
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Ilmu Komputer > Program Studi Informatika (S1)
Depositing User:	ARIEF JUWANDA
Date Deposited:	25 Mar 2025 03:14
Last Modified:	10 Apr 2025 07:55
URI:	http://repository.upnvj.ac.id/id/eprint/36596

Actions (login required)

View Item