Klasifikasi Gender Berbasis Wajah Menggunakan Metode Local Binary Pattern dan Random KNN
| Main Author: | Armandani, Ruri |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171545/ |
Daftar Isi:
- Klasifikasi gender otomatis berbasis citra wajah merupakan salah satu topik penelitian yang menarik di dalam dunia visi komputer. Sistem klasifikasi gender otomatis memiliki peran penting dalam pengembangan aplikasi seperti sistem pengawasan otomatis dan sistem monitoring. Namun, komputer sulit untuk menemukan ciri khusus yang dapat membedakan gender seseorang sehingga dibutuhkan penerapan metode ekstraksi ciri terlebih dahulu. Selain itu, pemilihan metode klasifikasi juga berperan penting dalam keakuratan mengklasifikasikan gender. Untuk menyelesaikan masalah tersebut, terdapat beberapa tahap yang dilakukan pada penelitian ini. Tahap awal pada penelitian ini adalah melakukan deteksi wajah. Setelah itu, dilakukan pre-processing untuk mendapatkan citra bagian wajah saja yang ukurannya diubah menjadi berukuran 100x100 piksel. Kemudian, proses ekstraksi ciri tekstur dengan metode Local Binary Pattern (LBP) dilakukan pada citra hasil pre-processing tersebut. Citra tekstur yang dihasilkan oleh LBP kemudian dibagi menjadi beberapa bagian kecil yang disebut region. Selanjutnya nilai histogram 32-bin diambil dari setiap region. Setelah itu, seluruh histogram yang didapatkan dari beberapa region tersebut digabungkan menjadi satu vektor yang kemudian menjadi fitur histogram yang digunakan untuk mengklasifikasikan gender. Lalu, proses klasifikasi dilakukan dengan menggunakan metode Random KNN. Berdasarkan hasil pengujian pada penelitian ini, fitur terbaik yang dihasilkan dari proses ekstraksi ciri LBP dengan jumlah region 7x6. Rata-rata akurasi tertinggi yang dihasilkan pada fitur tersebut adalah 72,5% dengan menggunakan parameter nilai k dan nilai r yang paling optimal yaitu k = 11 dan r = 29.