Penerapan Metode Ekstraksi Fitur Local Binary Pattern Histograms pada Proses Pengenalan Wajah untuk Sistem Presensi Otomatis
| Main Author: | Abiyandani, Faiz |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194211/1/Faiz%20Abiyandani.pdf http://repository.ub.ac.id/id/eprint/194211/ |
Daftar Isi:
- Mekanisme presensi pada banyak universitas dirasa belum efektif. Hal ini dikarenakan masih seringnya terjadi kecurangan dan kesalahan rekapitulasi data presensi mahasiswa. Sistem presensi otomatis berbasis pengenalan wajah dirasa dapat menjadi solusi dari permasalahan presensi ini. Sistem ini akan bekerja untuk menandai kehadiran mahasiswa di kelas. Namun, sistem pengenalan wajah memiliki beberapa masalah seperti pencahayaan di kelas, posisi duduk mahasiswa, serta posisi wajah terhadap kamera yang digunakan untuk mengambil data wajah mahasiswa. Oleh karena itu penelitian ini dilakukan untuk mengembangkan sistem pengenalan wajah yang baik sebagai awal dari penerapan sistem presensi otomatis. Penelitian ini dilakukan dengan berfokus pada ekstraksi fitur tekstur dengan fitur statistik. Metode Local Binary Pattern telah banyak digunakan untuk mendeskripsikan fitur tekstur dalam kasus pengenalan wajah. Penggunaan metode ini dengan fitur statistik memiliki batasan pada jumlah fitur statistik yang akan dipakai sebagai pendeskripsi wajah, oleh karena itu metode Local Binary Pattern Histograms (LBPH) digunakan dengan proses regioning yang berguna mendapatkan fitur lokal dari data citra wajah sehingga dapat memperkaya fitur statistik yang akan digunakan. Pengujian yang dilakukan pada penelitian ini yaitu pengujian ukuran data citra wajah, pengujian jumlah blok/region data citra wajah, dan pengujian pengaruh penggunaan metode LBPH dibandingkan dengan metode LBP. Hasil akurasi terbaik yang diraih dari seluruh pengujian mencapai 99.70% dengan penggunaan data citra berukuran 512 x 512 piksel yang juga menggunakan ekstraksi fitur lokal 64 blok/region. Penggunaan metode LBPH juga lebih sering mendapat hasil akurasi yang baik dibanding metode LBP biasa dengan perbedaan akurasi mencapai 10% lebih baik.