Perbandingan algoritma klasifikasi K-NN dan naïve bayes pada pengenalan wajah

Vitria, Devi (2018) Perbandingan algoritma klasifikasi K-NN dan naïve bayes pada pengenalan wajah. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (263kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (699kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (1MB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (1MB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (5MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (9MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (4MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (761kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (642kB) | Request a copy

Abstract

Algoritma klasifikasi K-NN dan Naïve Bayes telah banyak digunakan oleh peneliti sebelumnya, dengan berbagai data seperti citra dan teks. Kemudian hasil akurasinya pun berbeda-beda, ada yang menunjukan akurasi terbaik dihasilkan oleh K-NN dan ada juga yang menunjukan hasil akurasi terbaik yaitu Naïve Bayes. Maka tujuan dari penlitian ini hendak membandingkan kinerja algoritma K-NN dan Naïve Bayes untuk diketahui algoritma klasifikasi mana yang lebih cocok dan akurat dalam melakukan klasifikasi atau identifikasi pada kasus yang objeknya wajah. Kemudian untuk menjadi membeda dengan peneliti sebelumnya, akan dilakukan preprocessing (grayscale, image brightness, resize) dan ekstraksi ciri dengan pendekatan metode Principal Component Analysis (PCA). Hasil akhir didapatkan akurasi sebesar 97,74% menggunakan algoritma K-NN dengan jumlah data training 200 citra, data testing 100 citra, dan reduksi pada PCA 20 dimensi pada nilai K yang sudah ditentukan yaitu K=7. Didapatkan pula akurasi sebesar 95,28% menggunakan algoritma Naïve Bayes dengan jumlah data training 200, data testing 100 citra, dan reduksi pada PCA 20 dimensi. Sehingga didapatkan algoritma yang lebih akurat dalam melakukan klasifikasi citra wajah yaitu algoritma K-NN dengan sebesar 97,74%. Hasil akurasi yang diperoleh dipengaruhi diantarnya oleh faktor pencahayaan, jarak dengan kamera, jumlah data training, nilai reduksi pada PCA, dan nilai K pada K-NN.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Python; K-NN; Naïve Bayes; Preprocessing; PCA; Ekstraksi Fitur;
Subjects: Special Computer Methods
Paleontology, Paleozoology, Paleology > Data Processing Analysis
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Devi vitria
Date Deposited: 13 Dec 2018 07:39
Last Modified: 13 Dec 2018 07:39
URI: https://digilib.uinsgd.ac.id/id/eprint/17346

Actions (login required)

View Item View Item