SISTEM PENDETEKSIAN DAN PENGENALAN PADA WAJAH BERMASKER DAN TIDAK BERMASKER MENGGUNAKAN ALGORITMA HAAR CASCADE CLASSIFIER DAN LBPH (LOCAL BINARY PATTERN HISTOGRAMS)

SIRAIT, NURAFIFAH (2021) SISTEM PENDETEKSIAN DAN PENGENALAN PADA WAJAH BERMASKER DAN TIDAK BERMASKER MENGGUNAKAN ALGORITMA HAAR CASCADE CLASSIFIER DAN LBPH (LOCAL BINARY PATTERN HISTOGRAMS). S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
 Text (HAL COVER)
Cover Tugas Akhir.pdf
Download (110kB) | Preview
[img] Text (BAB I)
BAB I.pdf
Restricted to Registered users only
Download (241kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (582kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (325kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (325kB)
[img] Text (BAB V)
BAB V.pdf
Restricted to Registered users only
Download (26kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA Tugas Akhir.pdf
Restricted to Registered users only
Download (167kB)
[img] Text (LAMPIRAN)
Lampiran.pdf
Restricted to Registered users only
Download (475kB)

Abstract

Penelitian untuk mendeteksi dan mengenali wajah bermasker dan tidak bermasker sudah banyak dilakukan dengan beberapa algoritma, namun belum banyak yang menggunakan objek wajah dengan kondisi bermasker dan tidak bermasker beserta mampu mengenali dengan nama sebagai label secara realtime. Dalam penelitian ini, penulis mengusulkan gabungan algoritma berupa algoritma Haar Cascade Classifier dan Local Binary Pattern Histogram (LBPH) untuk pengenalan wajah bermasker dan tidak bermasker. Cara kerja algoritma tersebut dengan mendeteksi dan mengenali objek wajah bermasker dan tidak bermasker dengan nama sebagai label pada foto secara realtime menggunakan web camera. Adapun metode yang digunakan adalah penyusunan dataset, proses training, proses deteksi serta proses pengenalan wajah. Pengujian dilakukan dengan menggunakan 200 dataset berupa citra wajah. Hasil dari penelitian ini menunjukkan bahwa akurasi 99% dengan komputasi sekitar 1,35 detik bisa mendeteksi dan mengenali wajah dengan akurat pada jarak 15-40 cm. Namun dengan jarak lebih dari 40 cm sistem belum mampu mendeteksi dan mengenali wajah secara maksimal. Kata Kunci : Deteksi dan Pengenalan Wajah Bermasker dan Tidak Bermasker, Foto, Haar Cascade Classifier, Local Binary Pattern Histogram

Item Type: Thesis (S1)
NIM/NIDN Creators: 41417010017
Uncontrolled Keywords: Deteksi dan Pengenalan Wajah Bermasker dan Tidak Bermasker, Foto, Haar Cascade Classifier, Local Binary Pattern Histogram
Subjects: 600 Technology/Teknologi > 600. Technology/Teknologi > 604 Technical Drawing/Menggambar Teknik, Hazardous Materials Technology/Teknologi Bahan Berbahaya, groups of people/Kelompok Masyarakat > 604.2 Technical Drawing/Menggambar Teknik > 604.24 Specific Drafting Procedures and Conventions/Prosedur dan Konvensi Perancangan Spesifik
600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan > 621.3 Electrical Engineering, Lighting, Superconductivity, Magnetic Engineering, Applied Optics, Paraphotic Technology, Electronics Communications Engineering, Computers/Teknik Elektro, Pencahayaan, Superkonduktivitas, Teknik Magnetik, Optik Terapan, Tekn
Divisions: Fakultas Teknik > Teknik Elektro
Depositing User: CALVIN PRASETYO
Date Deposited: 12 Jun 2023 06:30
Last Modified: 12 Jun 2023 06:30
URI: http://repository.mercubuana.ac.id/id/eprint/78225

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.