Skripsi
Deteksi dan Pengenalan Wajah Menggunakan Metode Haar-like Features dan Eigenface
- Bagikan:
Pengenalan wajah adalah sistem biometrik yang dapat dimanfaatkan untuk mengidentifikasi atau mengenali wajah seseorang melalui sebuah gambar digitalkemudian menyesuaikan wajah tersebut dengan data yang sudah tersimpan didatabase. Pada penelitian ini dilakukan deteksi dan pengenalan wajah manusiamenggunakan metode Haar-like features dan Eigenface. Haar-like featuresdigunakan untuk mendeteksi fitur pada wajah, mata, hidung dan mulut.Sedangkan Eigenface digunakan untuk mengenali citra wajah yang telahterdeteksi. Ada tiga pengujian yang dilakukan, pengujian pertama untukmendapatkan rasio terbaik antara data training dan data testing, pengujian keduauntuk mendeteksi dan mengenali wajah 20 orang pada 8 kondisi menggunakanrasio data terbaik, sedangkan pengujian ketiga untuk mendeteksi dan mengenaliwajah dalam skenario tertentu. Total data yang diuji dalam penelitian ini sebanyak220 citra. Hasil pengujian pertama, diperoleh rasio data training dan data testingterbaik yaitu 8:8. Pada hasil pengujian kedua diperoleh akurasi terbaik 90% untukkondisi malam hari dengan jarak 30cm-90cm dan posisi wajah tegak, dan akurasiterburuk yaitu 0% untuk kondisi jarak 130cm-190cm dan posisi wajahmenyamping, baik di siang atau malam hari. Dari hasil pengujian ketiga dapatdiketahui bahwa sistem tidak dapat mendeteksi fitur hidung dan mulut pada wajahyang menggunakan masker, tidak dapat mendeteksi fitur mata pada wajah yangmenggunakan kacamata, ekspresi wajah tidak mempengaruhi hasildeteksi/pengenalan, dan ukuran citra training dapat mempengaruhi hasilpengenalan wajah.
Detail Information
| Item Type |
Skripsi
|
|---|---|
| Penulis |
Angelo Ianson Brand - Personal Name
|
| Student ID |
1806080030
|
| Dosen Pembimbing | |
| Penguji |
Arfan Y. Mauko, ST., M.Cs - 198005202008121003 - Ketua Penguji
Juan Rizky Manuel Ledoh, S.Kom., M.Cs - 199110032022031003 - Penguji 1 Sebastianus A. S. Mola ST., M.kom - 198003282008121001 - Penguji 2 |
| Kode Prodi PDDIKTI |
55201
|
| Edisi |
Published
|
| Departement |
Ilmu Komputer
|
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | UPT Perpustakaan Undana : Kupang., 2023 |
| Edisi |
Published
|
| Subyek | |
| No Panggil | |
| Copyright |
Individu Penulis
|
| Doi |