MODEL GENERATIF WAJAH BERPOTENSI “FITNAH” MENGGUNAKAN JARINGAN SYARAF TIRUAN ADALINE

Fadlisyah Fadlisyah, Bustami Bustami

Abstract


Wajah merupakan perwakilan informasi dari sifat atau karakter seseorang, dan satu-satunya fitur yang dapat secara langsung digunakan untuk menilai seseorang berdasarkan database statistik wajah. Salah satu informasi yang dapat digali dari wajah adalah potensi seseorang dalam melakukan prilaku fitnah, untuk itu paper ini bertujuan mengajukan sebuah model generatif pemodelan wajah eigen yang dibangun dari berbagai wajah yang berpotensi melakukan fitnah. Perangkat komputasi yang sesuai digunakan pada lingkungan waktu-nyata adalah jaringan ADALINE, dan hasil unjuk kerja sistem mampu menggenaratif dan mengenali wajah berpotensi fitnah hingga mencapai 90%. Penelitian disarankan tidak terbatas hanya penggunaan komputasi yang terbatas pada wajah, tetapi juga menekankan interaksi wajah terhadap background wajah ataupun interaksi wajah terhadap cahaya. 

Full Text:

PDF

References


Wang Tao, Bu Jia-Jun, dan Chen Chun. 2003. A Color based Face Detection System using Multiple Template. Journal of Zhejiang University Science V.4, No. 2, p. 162-165.

Rowley, Henry A. 1999. Neural Network-Based Face Detection. Thesis : School of Computer Science, Computer Science Department Carnegie Mellon University, Pittsburgh.

Rowley, H., Baluja, S., Kanade, T. 1998. Neural Network-Based Face Detection. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 20, no. 1.

Curran, Kevin., Xuelong Li., Mc Caughley, Neil. 2005. The Use of Neural Networks in Real-time Face Detection. Journal of Computer Sciences 1 (1): 47-62, 2005, ISSN 1549-3636.

Gonzalez, R.C., Woods, R.E. 1992. Digital Image Processing. Addison-Wesley Publishing Company, USA.

Heeger, David. 2000. Handout Signals, Linear Systems, and Convolution. Center for Neural Science, New York University.

Fadlisyah dan Rizal. 2011. Pemrograman Computer Vision pada Video, Penerbit Graha Ilmu. Yogyakarta.

Haykin, Simon. 1999. Neural Networks : A Comprehensive Foundation. Prentice Hall, New Jersey United States of America.

Hajek, M. 2005. Handout NeuralNetworks. School of Mathematics, Statistics and Computer Science, University of KwaZulu-Natal.

Verma, Ragini Choudury., Schmid, Cordelia., Mikolajczyk, Krystian. 2003. Face Detection and Tracking in a Video by Propagating Detection Probabilities. IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol. 25, No. 10.

Viola, Paul., Jones, Michael J. 2004. Robust Real-Time Face Detection. Kluwer Academic Publishers. International Journal of Computer Vision 57(2), 137–154.

Kublbeck, Christian., Ernst, Andreas. 2006. Face detection and tracking in video sequences using the Modified census transformation. Image and Vision Computing 24 (2006) 564–572.

Yun, Tie., Ling, Guan. 2009. Automatic face detection in video sequences using local normalization and optimal adaptive correlation techniques. Elsevier, Pattern Recognition 42 (2009) 1859 – 1868.

Yang, M.H., Kriegman, D., Ahuja, N. 2002. Detecting Faces in Images: A Survey. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24,no. 1.




DOI: https://doi.org/10.29103/techsi.v8i1.120

Article Metrics

#### view : 206 times
PDF 155 times

Refbacks

  • There are currently no refbacks.




TECHSI Journalindexed by:


Google Scholar Portal Garuda crossref doi




TECHSI Journalis a member of:


Mendeley Zotero



© Copyright of Journal TECHSI, (e-ISSN:2614-6029, p-ISSN:2302-4836).