Page 1Page 2Page 3Page 4Page 5Page 6Page 7

Page 1 of 7
next >

Jurnal Komputer dan Informatika (KOMPUTA)

45

Edisi. I Volume. 1, Maret 2012

PERBANDINGAN METODE JARINGAN SYARAF TIRUAN

BACKPROPAGATIONLEARNING VECTOR QUANTIZATION

PADA PENGENALAN WAJAH

Maharani Dessy Wuryandari

1

, Irawan Afrianto

2

1,2

Program Studi Teknik Informatika

Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia

Jl. Dipati Ukur No. 112-116 Bandung

E-mail : maharani_dessy_w@yahoo.co.id

1

, irawan_afrianto@yahoo.com

2

ABSTRAK

Pengenalan wajah merupakan suatu bidang yang

masih terus diteliti dan dikembangkan untuk

berbagai keperluan seperti absensi, pendataan

penduduk, sistem keamanan dan lain-lain. Metode

kecerdasan buatan khususnya jaringan syaraf tiruan

(JST)

backpropagation

dan

learning

vector

quantization adalah dua metode yang sering

digunakan untuk aplikasi pengenalan wajah. Kedua

metode tersebut merupakan metode pembelajaran

terawasi yang biasa dipakai untuk pengenalan pola

secara tipikal, yaitu mengelompokkan pola-pola ke

dalam kelas-kelas pola, sehingga tepat untuk

digunakan dalam aplikasi pengenalan wajah.

preprocessing

terhadap citra masukan sebelum citra tersebut diolah

dalam dalam JST, diantaranya proses scalling,

grayscale, edgedetection dengan metode sobel dan

thresholding.

Sedangkan

metode

JST

yang

digunakan untuk mengenali wajah antara lain

metode backpropagation dan learning vector

quantization.

Hasil penelitian ini adalah Perbandingan metode

jaringan syaraf tiruan backpropagation dan learning

vector quantization pada pengenalan wajah yang

digunakan untuk dapat mengetahui perbedaan,

kekurangan, kelebihan dan hasil optimal dari kedua

metode tersebut untuk digunakan pada sistem

pengenalan wajah.

Kata kunci :

Tiruan,

Backpropagation,

Learning

Vector

1.

PENDAHULUAN

Wajah merupakan salah satu bagian dari manusia

yang memiliki ciri berbeda. Wajah dapat digunakan

untuk mengenali seseorang, misalnya untuk absensi,

pendataan penduduk dan sistem pengamanan,

dengan menggunakan sistem pengenalan wajah.

Karena wajah manusia merepresentasikan sesuatu

yang kompleks, sehingga pengembangan model

komputasi yang ideal untuk pengenalan wajah

adalah sestuatu hal yang sulit. Selain itu sistem

pengenalan wajah juga mendapat kesulitan pada

orientasi wajah yang berlainan, pencahayaan,

potongan rambut, kumis atau jenggot, kacamata

serta perbedaan kondisi misalnya orang tersebut

dalam keadaan agak menoleh, menunduk atau

menengadah.

Artificial Intelligence

bagian ilmu komputer yang membuat agar mesin

(komputer) dapat melakukan pekerjaan seperti dan

artificial

intelligence

menggunakan jaringan syaraf tiruan. Terdapat 2

jenis metode pembelajaran pada jaringan syaraf

supervised

learning

dan

pembelajaran

tak

terawasi

unsupervised

learning

Untuk

melakukan

pengenalan wajah, pembelajaran terawasi lebih

cocok

karena

menggunakan

target

keluaran,

diantaranya yang termasuk metode pembelajaran

backpropagationlearning

vector quantization

2.

TINJAUAN PUSTAKA

Artificial Intelligence)

Kecerdasan

buatan

Artificial

Intelligence

adalah bagian dari ilmu komputer yang mempelajari

bagaimana membuat mesin (komputer) dapat

melakukan pekerjaan seperti dan sebaik yang

dilakukan oleh manusia bahkan bisa lebih baik

daripada yang dilakukan manusia. [10]

Menurut John McCarthy, 1956, AI :

“Untuk mengetahui dan memodelkan proses –

proses berpikir manusia dan mendesain mesin agar

dapat menirukan perilaku manusia.”

Cerdas

adalah

memiliki

pengetahuan

dan

pengalaman, penalaran yaitu bagaimana membuat

keputusan dan mengambil tindakan, serta moral

yang baik. Agar mesin bisa cerdas atau bertindak

seperti dan sebaik manusia, maka harus diberi bekal

pengetahuan dan mempunyai kemampuan untuk