Show simple item record

dc.contributor.advisorRahmat, Romi Fadillah
dc.contributor.advisorAulia, Indra
dc.contributor.authorZai, Eleider Notarisman
dc.date.accessioned2018-07-13T03:36:25Z
dc.date.available2018-07-13T03:36:25Z
dc.date.issued2018
dc.identifier.otherNurhusnah Siregar
dc.identifier.urihttp://repositori.usu.ac.id/handle/123456789/4325
dc.description121402069en_US
dc.description.abstractSecurity is very important issues in daily life, especially if it is regarding to authority or privacy. Traditional security system need key, password, RFID card or ID card to get the access. The weakness of this system are pretty difficult to remember, duplicate or steal by stranger. So, there should be a way or a system to upgrage the security of a room or anything else that have authority or privacy issues. Biometric security system is a good option. It use the biological characteristics or face features, that every humans have this unique features. It also difficult to duplicate, steal, or modify. These unique features can be seen in physich charateristic, such as fingerprints, palm, face, eyes retina, and voice. Face recognition is the populer one. This method use the face as the key. Compare to the the traditional or non-biometric method, faces are difficul to duplicate, modify, or steal. One of the artificial neural network method that can implemented for face recognition is Extreme Learning Machine. And use Local Binary Pattern for feature extraction of faces. In this research, 150 image of faces as the training data and 60 image of faces as the testing data. Parameters in testing phase use 3 options of hidden neuron, 10, 30, and 50. And also using 5 parameter of image condition: normal, expressive, face pose direction, lights, and distance to webcam. Accuracy of face recognition system is 90% with 50 hidden neuron.en_US
dc.description.abstractPengamanan sangat diperlukan dalam kegiatan sehari-hari, apalagi jika menyangkut otoritas atau privasi. Sistem keamanan tradisional membutuhkan kunci, password, RFID card ataupun ID card untuk dapat akses. Kelemahannya adalah sulit diingat, dapat diduplikasi, atau dicuri oleh orang lain. Oleh karena itu, dibutuhkan suatu cara untuk meningkatkan keamanan pada ruangan tertentu yang menyangkut otoritas atau privasi. Bentuk pengamanan yang sulit untuk ditiru, dibuka atau dimodifikasi oleh orang lain adalah menggunakan pencirian otomatis dari karakteristik biologis yang selalu dimiliki dan menjadi ciri khas setiap manusia. Pencirian tersebut dikenal sebagai biometrik. Ciri khas tersebut dapat dilihat dari karakteristik fisik, seperti sidik jari, raut wajah, retina mata, dan suara. Pengenalan wajah adalah salah satu metode biometrik yang cukup populer. Wajah lebih sulit untuk ditiru, dimodifikasi, atau dicuri jika dibandingkan dengan kunci atau password pada keamanan non-biometrik. Salah satu metode jaringan saraf tiruan yang dapat digunakan untuk pengenalan wajah adalah Extreme Learning Machine. Dan untuk pengambilan nilai ciri wajah menggunakan Local Binary Pattern. Proses pengujian pada penelitian ini menggunakan 150 citra wajah untuk data latih dan 60 citra wajah untuk data uji. Pengujian dilakukan dengan menggunakan beberapa 3 pilihan parameter jumlah hidden neuron, yaitu 10, 30 dan 50. Serta 5 parameter kondisi citra, yakni normal, ekspresif, arah wajah, pencahayaan redup, dan jarak ke webcam. Hasil akurasi sistem dalam pengenalan wajah adalah 90% dengan menggunakan jumlah hidden neuron 50.en_US
dc.language.isoiden_US
dc.subjectFace Recognitionen_US
dc.subjectAutomatic Dooren_US
dc.subjectImage Processingen_US
dc.subjectExtreme Learning Machineen_US
dc.subjectLocal Binary Patternen_US
dc.titleSistem Akses Pintu Otomatis Berbasis Pengenalan Wajah dengan Menggunakan Extreme Learning Machineen_US
dc.typeSkripsi Sarjanaen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record