RANCANG SISTEM PENGOLAHAN DATA PRESENSI MAHASISWA BERBASIS PENGENALAN WAJAH PADA LABORATORIUM TELEKOMUNIKASI TEKNIK ELEKTRO UNIVERSITAS LAMPUNG
| Main Author: | EFRINALDI AL-ZUHRI TRINANDANI , 1415031046 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS TEKNIK
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/65918/1/ABSTRAK.pdf http://digilib.unila.ac.id/65918/3/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/65918/2/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/65918/ |
Daftar Isi:
- Pendataan kehadiran mahasiswa dapat dilakukan dengan cara pengolahan citra digital melalui sistem pengenalan wajah. Pada penelitian ini, proses pendeteksian wajah dilakukan dengan metode Haar Cascade Classifier untuk merekam sepuluh citra wajah dari setiap pengguna dengan ukuran citra 128x128 piksel. Pada perhitungan manual metode haar cascade classifier ukuran citra diperkecil menjadi 16x16 untuk mendapatkan nilai fitur haar cascade bagian mata sebesar 176. Proses selanjutnya proses training yaitu seluruh citra wajah akan dilakukan ekstraksi fitur dengan metode Local Binary Patterns Histograms (LBPH). Proses perhitungan LBPH ini dengan cara membagi citra menjadi ukuran 3x3 kemudian membandingkan nilai piksel pusat sebagai nilai threshold dengan delapan nilai piksel di sekelilingnya untuk mendapatkan nilai biner dari bagian citra tersebut. Setelah proses training selesai, 200 citra wajah yang direkam dari 20 pengguna akan dilakukan pengujian untuk mendapatkan nilai keakuratan. Hasil penelitian ini mempunyai tingkat keberhasilan pengenalan wajah sebesar 95% dan tingkat kesalahan pengenalan wajah sebesar 5%. Kata kunci : Pengenalan Wajah, Open CV, Haar Cascade, LBPH Data collection of student attendance can be done by processing digital imagery through facial recognition system. In this study, the face detection process was done by Haar Cascade Classifier method to record ten facial images of each user with an image size of 128x128 pixels. In the manual calculation of the haar cascade classifier method the image size is reduced to 16x16 to obtain a haar cascade eye part feature value of 176.The next process of training is that all facial imagery will be extracted by Local Binary Patterns Histograms (LBPH). LBPH calculation process by dividing the image into 3x3 size then comparing the central pixel value as threshold value with eight pixel values in the circle to get the binary value of that part of the image. After the training process is complete, 200 facial images recorded from 20 users will be tested to obtain accuracy scores.The results of this study have a facial recognition success rate of 95% and facial recognition error rate of 5%. Keywords: Facial Recognition, Open CV, Haar Cascade, LBPH