DEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH

  • Beni Utomo

Abstract

Dekomposisi Nilai Singular atau Singular Value Decomposition (SVD)
merupakan salah satu cara untuk menyatakan Principal Component Analysis (PCA).
PCA sendiri merupakan suatu proses untuk menemukan kontributor-kontributor
penting dari suatu data berdasarkan besaran statistika deviasi standart dan variansi.
SVD merupakan proses untuk mendapatkan matriks diagonal yang elemen
tak nolnya merupakan nilai singular yang akarnya merupakan eigenvalue.
SVD atas matriks kovarian C berbentuk C = U
?
V T dengan matriks U dan V
memuat eigenvektor yang sudah terurut dari nilai variansi terbesar ke nilai variansi
terkecilnya. Variansi terbesar memiliki arti eigenvektor menangkap ciri-ciri yang
paling banyak berubah. Sifat inilah yang dipakai untuk membentuk eigenface.

Downloads

Download data is not yet available.

Author Biography

Beni Utomo
Laboratorium Matematika Komputasi,
Jurusan Informatika, Sekolah Tinggi Teknologi Bontang
How to Cite
UTOMO, Beni. DEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH. Jurnal Matematika, [S.l.], v. 2, n. 1, nov. 2012. ISSN 2655-0016. Available at: <https://ojs.unud.ac.id/index.php/jmat/article/view/2917>. Date accessed: 15 apr. 2024. doi: https://doi.org/10.24843/JMAT.2012.v02.i01.p20.
Section
Articles

Keywords

Eigenvalue, Eigenvektor, Eigenface, SVD, PCA

Most read articles by the same author(s)