LOCAL BINARY PATERN HISTOGRAM DAN SKIN COLOR DETECTION UNTUK PENGENALAN WAJAH SECARA REAL TIME

Alfiansyah, Iqbal (2023) LOCAL BINARY PATERN HISTOGRAM DAN SKIN COLOR DETECTION UNTUK PENGENALAN WAJAH SECARA REAL TIME. Undergraduate thesis, UPN Veteran Jawa Timur.

[img]
Preview
Text (Cover)
18081010123_Cover.pdf

Download (665kB) | Preview
[img]
Preview
Text (Bab I)
18081010123_Bab 1.pdf

Download (20kB) | Preview
[img] Text (Bab 2)
18081010123_Bab II.pdf
Restricted to Registered users only until 27 January 2026.

Download (558kB)
[img] Text (Bab 3)
18081010123_Bab III.pdf
Restricted to Registered users only until 27 January 2026.

Download (283kB)
[img] Text (Bab 4)
18081010123_Bab IV.pdf
Restricted to Registered users only until 27 January 2026.

Download (1MB)
[img]
Preview
Text (Bab 5)
18081010123_Bab V.pdf

Download (11kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
18081010123_Daftar Pustaka.pdf

Download (233kB) | Preview

Abstract

Face Recognition dan Face Detection merupakan teknologi biometrik yang berkembang sangat pesat saat ini. Face Recognition berperan sangat penting diberbagai bidang sehingga digunakan dalam banyak hal seperti sistem kontrol , sistem keamanan , sistem pengawasan. Face Recognition banyak digunakan karena penerapannya lebih praktis , langsung dan lebih nyaman digunakan. Face Detection dan Face Recoqnition adalah Teknik dari Machine Learning dengan melakukan pembelajaran dan mengekstrak ciri dari fisik manusia lalu mencocokan fitur yang telah diambil dengan sampel citra apakah sistem dapat mengidentifikasi dengan benar atau tidak. Terdapat tantangan dan permasalahan dalam proses Face Recognition dan Face Identification seperti faktor luminasi, posisi wajah, perbedaan ekspresi, perubahan pada wajah, dan kualitas yang buruk pada citra input. pada penelitian tugas akhir ini digunakan algoritma Skin Color Detection untuk mengatasi permasalahan cahaya dan posisi wajah , lalu menggunakan Local Binary Pattern Histogram sebagai algoritma pengenalan wajah. Dengan menggunakan 1500 data latih yang diambil dari tiga kelas dan 300 data uji. hasil dari penelitian ini mendapatkan nilai akurasi rata-rata 94% , nilai precision rata-rata 98% , nilai rata-rata Recall 85% , dan F1-Score 90%.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorTri Anggraeny, FettyNIDN0711028201UNSPECIFIED
Thesis advisorVita Via, YistiNIDN0025048602UNSPECIFIED
Subjects: T Technology > T Technology (General) > T385 Computer Graphics
Divisions: Faculty of Computer Science > Departemen of Informatics
Depositing User: iqbal alfiansyah iqbal alfiansyah
Date Deposited: 27 Jan 2023 03:21
Last Modified: 27 Jan 2023 03:21
URI: http://repository.upnjatim.ac.id/id/eprint/11820

Actions (login required)

View Item View Item