AKSELERASI PROSES FACE RECOGNITION DENGAN ALGORITMA ELASTIC BUNCH GRAPH MATCHING (EBGM) SECARA PARALEL PADA GPU

PRADANA, IGNATIUS ALDI (2018) AKSELERASI PROSES FACE RECOGNITION DENGAN ALGORITMA ELASTIC BUNCH GRAPH MATCHING (EBGM) SECARA PARALEL PADA GPU. S1 thesis, UAJY.

[img]
Preview
Text (HALAMAN AWAL)
TF077620.pdf

Download (715kB) | Preview
[img]
Preview
Text (BAB I)
TF077621.pdf

Download (208kB) | Preview
[img]
Preview
Text (BAB II)
TF077622.pdf

Download (167kB) | Preview
[img]
Preview
Text (BAB III)
TF077623.pdf

Download (522kB) | Preview
[img] Text (BAB IV)
TF077624.pdf
Restricted to Registered users only

Download (448kB)
[img] Text (BAB V)
TF077625.pdf
Restricted to Registered users only

Download (685kB)
[img]
Preview
Text (BAB VI)
TF077626.pdf

Download (152kB) | Preview

Abstract

Masalah keamanan terhadap autentikasi seseorang dalam pelaksanaan suatu acara, dan autentikasi seorang kriminal terhadap penggunaan paspor menjadi salah satu topik yang masih diperbincangkan saat ini. Banyak cara yang dapat dilakukan untuk mengatasi masalah tersebut, salah satunya adalah dengan memanfaatkan bidang kajian Computer Vision seperti face recognition atau pengenalan wajah yang dapat meningkatkan tingkat keamanan dalam autentikasi seseorang pada sebuah sistem. Dalam mewujudkan face recognition, maka algoritma yang digunakan adalah Elastic Bunch Graph Matching (EBGM) dengan menggunakan dataset image wajah mahasiswa Universitas Atma Jaya Yogyakarta (UAJY) yang berjumlah 346 images untuk training dan 105 images untuk test recognition. Algoritma EBGM ini memiliki tingkat akurasi yang tinggi, tetapi memiliki waktu komputasi yang dibutuhkan lebih lama dibandingkan algoritma yang lain. Maka dari itu, agar algoritma EBGM ini semakin baik, akan dilakukan paralelisasi menggunakan Graphical Processing Unit (GPU). Hasil penelitian ini menunjukkan proses komputasi yang terjadi mampu di optimalkan oleh GPU dibandingkan dengan menggunakan CPU dalam proses komputasi, sehingga waktu komputasi mendapatkan percepatan hingga 10 kali lebih cepat. Selain itu, hasil pengenalan wajah ini memiliki tingkat akurasi hingga 98%.

Item Type: Thesis (S1)
Uncontrolled Keywords: Face recognition, Elastic Bunch Graph Matching (EBGM), parallelization, GPU
Subjects: Teknik Informatika > Soft Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 11 Feb 2019 05:50
Last Modified: 11 Feb 2019 05:50
URI: http://e-journal.uajy.ac.id/id/eprint/16495

Actions (login required)

View Item View Item