Cahyono, Guntur Dwi (2020) PROTOTYPE REKOGNISI WAJAH OBJEK JAMAK DENGAN ALGORITMA LOCAL BINARY PATTERN HISTOGRAM (LBPH) PADA DATA RESOLUSI RENDAH. Undergraduate thesis, Universitas Diponegoro.

	Text JUDUL.pdf Download (273kB)
	Text BAB I.pdf Restricted to Repository staff only Download (120kB)
	Text BAB II.pdf Restricted to Repository staff only Download (585kB)
	Text BAB III.pdf Restricted to Repository staff only Download (167kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (48kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (119kB)

Abstract

Rekognisi wajah merupakan konsep pengembangan produk yang menarik pada industri
dalam menerapkan teknologi visi komputer. Metode rekognisi wajah digunakan untuk
mengidentifikasi wajah seseorang dengan suatu penanda seperti ID memanfaatkan pengambilan
gambar wajah. Pengambilan gambar wajah dengan kamera resolusi rendah biasa menghasilkan
data dengan kualitas yang rendah juga sehingga mempengaruhi tingkat keakuratan identifikasi
wajah. Data kualitas rendah tersebut dapat dipengaruhi karena adanya noise seperti Salt-andPepper dari hasil akuisisi.
Penelitian ini bertujuan untuk mencari tahu kinerja implementasi dari algoritma Local
Binary Pattern Histogram (LBPH) dengan data latih dari akuisisi kamera ber-resolusi VGA
(640x480 piksel) dan data uji dengan resolusi yang sama. Data latih pada penelitian diproses
dengan metode Histogram Equalization dan Median Blur untuk meningkatkan kualitas data
gambar. Euclidean Distance digunakan sebagai konsep untuk merepresentasikan nilai akurasi
rekognisi wajah dengan perhitungan jarak histogram antara dua gambar.
Hasil penelitian ini adalah perbandingan akurasi pada rentang interval waktu proses
rekognisi pada sumber data lokal dan data realtime. Penelitian juga mempertimbangkan aspek
keberhasilan rekognisi berupa Recognition Rate (RR) wajah pada satu frame yang sama dengan
repetisi 50 kali per ID objek. Penelitian ini menghasilkan nilai RR sebesar 99,00 % untuk data
lokal dan 95,5 % untuk data realtime.

Actions (login required)

View Item