Perbandingan Teknik Jaringan Syaraf Tiruan dalam Pengenalan Wajah Menggunakan Backpropagation dan Learning Vector Quantization
Kata Kunci:
Pengenalan Wajah, Jaringan Saraf Buatan, Backpropagation, Learning Vector QuantizationAbstrak
Pengenalan wajah telah menarik minat penelitian yang signifikan, terutama melalui penerapan jaringan saraf buatan (ANN) untuk tugas-tugas seperti keamanan dan autentikasi. Studi ini membandingkan kinerja dua algoritma ANN terkemuka Backpropagation dan Learning Vector Quantization (LVQ) dalam sistem pengenalan wajah. Meskipun kedua algoritma memetakan masukan ke keluaran yang benar, keduanya berbeda dalam mekanisme pembelajaran dan karakteristik. Penelitian ini mengevaluasi efektivitasnya dalam hal akurasi, kecepatan komputasi, dan ketahanan terhadap variasi wajah, memanfaatkan kumpulan data dari Kaggle dan Labeled Faces in the Wild. Hasilnya menunjukkan bahwa model Backpropagation mencapai akurasi validasi sebesar 97%, mengungguli LVQ yang mencatat 78%, menyoroti keunggulan model Backpropagation dalam menangkap pola gambar kompleks dan menangani data berdimensi tinggi.
Referensi
M. D. Wuryandari and I. Afrianto, “PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN
WAJAH,” 2012.
K. Gunadi and S. R. Pongsitanan, “PEMBUATAN PERANGKAT LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS ANALYSIS (Kartika Gunadi et al PEMBUATAN PERANGKAT LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS
ANALYSIS.” [Online]. Available: http://puslit.petra.ac.id/journals/informatics/57
“Desiani-Kajian Pengenalan Wajah Menggunakan Metode Face-ARG dan JST Backpropagation.”
A. Saleh, M. Harahap, and E. Indra, “Kombinasi Jaringan Learning Vector Quantization Dan Normalized Cross Correlation Pada Pengenalan Wajah,” Junal Sistem Informasi Ilmu Komputer Prima, vol. 3, no. 2, 2020.
