Ekstraksi Ciri Untuk Klasifikasi Gender Berbasis Citra Wajah Menggunakan Metode Histogram of Oriented Gradients
| Main Author: | Devito, Dani |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/173899/1/Dani%20Devito%20.pdf http://repository.ub.ac.id/173899/ |
Daftar Isi:
- Gender manusia dapat dikenali dari wajah seseorang. Pria dan wanita memiliki beragam ciri, seperti bentuk wajah, alis, mulut, dagu, hidung, mata, dan juga bulu rambut wajah. Banyak bidang akan terbantu dengan suatu sistem yang bisa dikembangkan untuk mengenali gender manusia, salah satunya untuk analisis demografi pemerintah Indonesia. Sistem klasifikasi gender akan membantu pihak yang menentukan keputusan dari pengenalan gender secara cepat. Oleh karena itu, suatu model klasifikasi dapat dibangun untuk membedakan pria dan wanita dari ciri-ciri wajahnya dengan mempelajari fitur dari berbagai data citra pria dan wanita. Terdapat salah satu metode ekstraksi ciri bentuk yakni Histogram of Oriented Gradients (HOG). Hasil menunjukkan kemampuan model klasifikasi dapat meningkat dengan mengatur parameter HOG seperti ukuran pembagian citra lokal, ukuran bin histogram orientasi, dan relasi bagian lokal dengan yang lain. Penelitian ini juga membahas kasus efek penggunaan kacamata dan tidak. Dari penelitian ini dijelaskan bagaimana membangun model klasifikasi gender dari HOG berbasis citra wajah. Model yang dibangun mampu mengklasifikasikan pria kembali hingga 97,83% dan wanita hingga 95,92%. Parameter terbaik untuk HOG pada klasifikasi gender adalah dengan menggunakan (8,8) piksel per sel, 9 bin histogram tiap sel, normalisasi setiap (2,2) blok dari citra wajah berukuran (128,128). Dapat disimpulkan juga ada pengaruh bentuk dari kacamata terhadap kemampuan klasifikasi gender.