Salsabila Nur Heidar Ma’aly, 4111416022 (2021) IMPLEMENTASI METODE HAAR CASCADE PADA SISTEM PENGENALAN WAJAH MENGGUNAKAN OPENCV-PYTHON. Under Graduates thesis, Unnes.

PDF (IMPLEMENTASI METODE HAAR CASCADE PADA SISTEM PENGENALAN WAJAH MENGGUNAKAN OPENCV-PYTHON) - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Dalam masa pandemi kebutuhan untuk pengurangan kontak fisik dalam interaksi umum sangat diutamakan. Penggunaan sistem pengenalan wajah pada sistem pendataan tentunya akan menjadi alternatif yang lebih efektif daripada harus menggunakan input id. Penelitian ini memaksimalkan sistem pengenalan wajah menggunakan media hardware komputer. Data yang digunakan dalam penelitian ini berupa gambar selfie wajah yang diambil langsung menggunakan kamera laptop. Penelitian menggunakan metode haar cascade untuk sistem deteksi objek dan LBPH untuk sistem pengenalan wajah dengan Python sebagai bahasa pemrograman. Digunakan inputan 20 citra wajah yang berbeda dengan 30 kali pengambilan gambar per citra wajah dan beberapa gambar hewan untuk menguji sistem pengenalan citra wajah. Proses pembuatan sistem akan memuat proses training, uji, dan hasil akurasi sistem. Terdapat error dalam pengambilan gambar 3:600 gambar yaitu 0,5% dikarenakan objek yang bergerak dan kamera tidak mendapatkan gambar wajah yang utuh. Pengujian sistem dengan menggunakan variasi jarak, banyak data train, dan berbagai jenis gambar makhluk hidup menghasilkan nilai akurasi yang berbeda. Rata-rata akurasi yang didapatkan dari training 30 gambar per citra wajah didapatkan hasil akurasi 41%-73% dengan jarak yang tepat. Apabila digunakan 50 gambar per citra wajah akurasi meningkat menjadi 67% sedangkan untuk 100 gambar per citra wajah didapatkan akurasi hingga 73%. Untuk variasi jarak, jarak terbaik untuk memperoleh nilai rata-rata akurasi tertinggi adalah 30 cm dengan nilai akurasi 73%. Untuk variasi gambar makhluk hidup diperoleh bahwa sistem tidak dapat mendeteksi gambar hewan. Metode Haar Cascade sangat efektif digunakan untuk pendeteksian citra wajah secara cepat sehingga tingkat efisiensinya sangat tinggi. Tingkat akurasi pengenalan wajah menggunakan metode LBPH tidak mendapat hasil nilai rata-rata yang tinggi. Berdasarkan hasil penelitian diperoleh nilai akurasi terbaik dengan nilai akurasi 73% berdasarkan jumlah data 20 wajah, 2000 citra data train, dan jarak pengambilan 30 cm. Oleh karena itu, untuk bagian pengenalan wajah disarankan menggunakan metode lain seperti eigenface dan speed up robust features (SURF).

Actions (login required)

View Item