Sistem Pengenalan Wajah dengan Metode Viola-Jones dan Local Binary Pattern Histogram (LBPH)

Richard, Alva Alessandro (2023) Sistem Pengenalan Wajah dengan Metode Viola-Jones dan Local Binary Pattern Histogram (LBPH). Diploma thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
COVER DAN ABSTRAK.pdf - Published Version

Download (91kB)
[img] Text (BAB I)
BAB I.pdf - Published Version

Download (46kB)
[img] Text (BAB V)
BAB V.pdf - Published Version

Download (38kB)
[img] Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Published Version

Download (103kB)
[img] Text (Tugas Akhir Full)
TUGAS AKHIR FULL.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Biometric adalah suatu teknologi mengenai pengenalan makhluk hidup yang berbasis pada karakteristik individu yang unik. Teknologi ini bisa digunakan untuk pendeteksian karakteristik wajah dan pengenalan wajah manusia. Pendeteksian dan pengenalan wajah ini memiliki banyak metode dan salah satunya metode Viola-Jones. Metode Viola-Jones ini berfungsi dalam penentuan sebuah objek merupakan sebuah wajah atau tidak dengan meng-extract fitur-fitur yang ada pada sebuah citra wajah dan mengklasifikasi citra tersebut apakah wajah atau tidak. Metode Viola-Jones ini hanya bisa dalam hal pendeteksian wajah manusia, oleh karena itu pada tugas akhir ini akan melakukan modifikasi metode Viola-Jones agar mampu mengenali wajah manusia. Modifikasi ini akan dilakukan dengan menggabungkan metode Viola-Jones dengan metode LBPH (Local Binary Pattern Histogram). Hasil dari penggabungan metode ini dilakukan menggunakan Python di Visual Studio Code. Dapat mendeteksi dan mengenali satu atau lebih wajah dengan masing wajah diambil 500 foto wajah menghadap kedepan, ke samping, ke atas, dan kebawah untuk database. Perhitungan akurasi juga ditambahkan guna untuk mengukur ketepatan dalam pengenalan wajah setelah database diambil dan dilatih. Persentase kebenaran rata-rata ini diambil dari membandingkan prediksi wajah yang akan dikenali dengan wajah yang akan dikenali. Hasilnya akan dibandingkan lagi dengan jumlah foto dalam proses pengenalan diambil dan dikalikan dengan 100%

Item Type: Thesis (Diploma)
Primary Supervisor: Dr. Eng Rahmadi Kurnia, S.T., M.T.
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Fakultas Teknik > Elektro
Depositing User: S1 Teknik Elektro
Date Deposited: 11 Sep 2023 03:14
Last Modified: 11 Sep 2023 03:14
URI: http://scholar.unand.ac.id/id/eprint/213159

Actions (login required)

View Item View Item