This Author published in this journals
All Journal Media Elektrik
Claim Missing Document
Check
Articles

Found 1 Documents
Search

FACE RECOGNITION MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER DAN LOCAL BINARY PATTERN HISTOGRAM Nurul Mega Saraswati; Rito Cipta Sigitta Hariyono; David Chandra
Jurnal Media Elektrik Vol. 20 No. 3 (2023): MEDIA ELEKTRIK
Publisher : Jurusan Pendidikan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/metrik.v20i3.5546

Abstract

Peningkatan ancaman keamanan data menjadi konsekuensi dari kemajuan teknologi yang terus berkembang, terutama dengan adanya teknologi yang memungkinkan akses ke data dari jarak jauh. Penting untuk selalu menjaga keamanan data dan mengambil langkah-langkah preventif untuk mencegah terjadinya pencurian data. Face Recognition (pengenalan wajah) merupakan salah satu dari beberapa teknologi biometrik yang dapat digunakan untuk sistem verifikasi identitas. Tujuan penelitian ini adalah untuk mengetahui akurasi dari penerapan metode Haar Cascade Classifier dan Local Binary Pattern Histogram untuk pengenalan wajah. Data yang digunakan berjumlah 5 kelas, dengan masing-masing kelas memiliki250 citra wajah. Total data yang digunakan berjumlah 1250 citra wajah, terdiri dari 1000 data latih (train) dan 250 data uji (test). Proses pengambilan gambar dilakukan secara otomatis, sistem secara otomatis mengambil 250 wajah per kelas. Tahapan selanjutnya adalah ekstraksi fitur dengan menggunakan metode Local Binary Patterns Histograms (LBPH). Selanjutnya sistem akan mengenali wajah yang dideteksi dengan yang ada di dataset. Penggunaan metode Haar Cascade Classifier dan Local Binary Pattern Histogram (LBPH) untuk mendeteksi wajah menggunakan 250 data uji (test) mendapatkan nilai akurasi sebesar 92%. Pengujian secara real time dilakukan sebanyak 75 kali dengan jarak 30 cm, 50 cm, dan 100 cm. Penggunaan metode Haar Cascade Classifier dan Local Binary Pattern Histogram (LBPH) untuk mendeteksi wajah secara real time mendapatkan akurasi sebesar 90%.