Article Per Year (5 Year)
p-Index From 2019 - 2024
1.503
P-Index
This Author published in this journals
All Journal Majalah Ilmiah Teknologi Elektro JREC (Journal of Electrical and Electronics) Jurnal Ilmiah Mikrotek Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi JIKO (Jurnal Informatika dan Komputer) IJEEIT : International Journal of Electrical Engineering and Information Technology Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Jurnal Teknik Elektro dan Komputer Majalah Ilmiah Teknologi Elektro
Cahyo Darujati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Library & Information Science Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JREC (Journal of Electrical and Electronics)

 1 
Pengenalan Citra Wajah Frontal Menggunakan Hirarikal Klaster berbasis Deep Learning Inception V3 Al Azam, Moh Noor; Darujati, Cahyo
JREC (Journal of Electrical and Electronics) Vol. 9 No. 2 (2021): JREC (Journal of Electrical and Electronics)
Publisher : Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/jrec.v9i2.3187

Abstract

Pengenalan Citra wajah merupakan salah satu topik penelitian yang paling banyak dilakukan dalam satu dekade terakhir ini, salah satu yang menarik pada penelitian ini adalah citra wajah memiliki keunikan khusus dan menjadi salah satu kunci utama dalam kaitannya dengan keamanan. Penelitian ini mencoba mengenalkan kombinasi beberapa metode untuk mendapatkan tingkat akurasi dan presisi tinggi. Data citra wajah frontal yang digunakan mengambil dari sumber data terbuka milik University of York (UoY) yang dapat diperoleh melalui situs mereka. Data berupa berkas BMP ini perlu dikonversi menjadi JPG pada tahap awal. Metode penelitian ini menggunakan inception v3 dari deep learning untuk memperoleh 2048 fitur citra wajah dari setiap berkas citra wajah frontal. Setiap fitur citra wajah yang dihasilkan kemudian dilakukan pelabelan menggunakan metode jarak dan kesamaan cosinus dan terakhir dilakukan pendeteksian citra wajah frontal tersebut dengan melakukan penggolongan melalui hierarki klaster. Dari hasil percobaan pada penelitian ini yang melibatkan 400 citra wajah dengan rincian 40 orang dan setiap orang memiliki 10 pose citra wajah frontal, maka diperoleh hasil akurasi dan presisi diatas 99%.
Co-Authors Agustinus Bimo Gumelar Al Azam, Moh Noor Al-Azam, Moh Noor Aldiansyah Famni Saputra Ani Wulandari Apriyanto, Nicky Yuda Dini Agustia Tri Suci, Dini Agustia Hasan Dwi Cahyono Ilmiyatus Sholihah Immah Inayati, Immah Indrianto, Faisal Mohammed Saleh Mohammed Ba Karman Putra, Dika Antoni Saputra, Aldiansyah Famni Syamsul Anam