Analisa Perbandingan Algoritma Euclidean Dan Manhattan Distance Dalam Identifikasi Wajah
PDF

Keywords

Euclidean
Local Binary Patterns
Manhattan
Wajah

How to Cite

Azis, A. ., Pamungkas, D. P. ., & Setiawan, A. B. . (2021). Analisa Perbandingan Algoritma Euclidean Dan Manhattan Distance Dalam Identifikasi Wajah. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 5(1), 219–224. https://doi.org/10.29407/inotek.v5i1.951

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.

https://doi.org/10.29407/inotek.v5i1.951
PDF

References

Kamus Besar Bahasa Indonesia (KBBI), 2009. Penerbit : Balai Pustaka.

Ghani, A.D., Salman, N., Intan, I. 2019. Sistem Presensi Kehadiran Menggunakan Metode Fisherface. SENSITIf. Hal:915-923.

Rachman, Y.F., Kusrini, dan Al-Fatta, H. 2020. Klasifikasi Citra Digital Retina Penderita Diabetes Retinopati Menggunakan Metode Euclidean. Journal of Computer and Information Technology. Vol.3, No.2:75-82.

Audianingrum, A.S., Pamungkas, D.P. 2020. Pengenalan Jenis Bunga dengan Metode Learning Vector Quantization dan Manhattan Distance. Seminar Nasional Inovasi Teknologi. e-ISSN:2549-7952.

Mujib, K., Hidayatno, A., dan Prakoso, T. 2018. Pengenalan Wajah Menggunakan Local Binary Pattern (LBP) dan Support Vector Machine (SVM). TRANSIENT. Vol.7, No.1:123-130.

Pamungkas, D.P., Setiawan, A.B. 2018. Implementasi Ekstraksi Fitur dan K-Nearest Neightbor untuk Identifikasi Wajah Personal. JOUTICA. Vol.3, No.2:187-193.

Rahman, F.Y. 2017. Pendeteksian Citra Wajah Manusia Dari Berbagai Posisi Menggunakan Local Binary Pattern (LBP). Technologia. Vol.8, No.4:257-266.

Fadlil, A.(2012). Sistem Pengenalan Citra jenis-jenis Tekstil. Spektrum industri. Vol.10, No.1: 24.

Derisma, Firdaus, & Yusya, R. P. 2016. Perancangan Ikat Pinggang Elektronik Untuk Tunanetra Menggunakan Mikrokontroller Dan Global Positioning System (Gps) Pada Smartphone Android. Jurnal Teknik Elektro ITP, 5(2), 130-13.

Mustofa, Z., & Suasana, I. S. 2018. Algoritma Clustering K-Medoids Pada E-Government Bidang Information And Communication Technology Dalam Penentuan Status Edgi. Jurnal Teknologi Informasi dan Komunikasi, 9(1).

Buaton, R., Sundari, Y., & Maulita, Y. (2016). Klustering Tindak Kekerasan Pada Anak Menggunakan Algoritma K-Means Dengan Perbandingan Jarak Kedekatan Manhattan City Dan Euclidean. Media Informasi Analisa dan Sistem, 1(2), 47-53.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2021 Abdul Azis, Danar Putra Pamungkas, Ahmad Bagus Setiawan

Downloads

Download data is not yet available.