Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Ratu Farisi, Olief Ilmandira
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengenalan Wajah Mahasiswa Universitas Nurul Jadid pada Video Menggunakan Metode Haar Cascade dan Deep Learning Oktagalu Pratamasunu, Gulpi Qorik; Ratu Farisi, Olief Ilmandira; Jannah, Maulidil
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020): Keberlanjutan Teknologi Informasi: Green IT sebagai Solusi Ramah Lingkungan
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1279.892 KB) | DOI: 10.33650/coreai.v1i1.1642

Abstract

Pengenalan wajah merupakan suatu teknologi dari komputer untuk mengidentifikasi wajah seseorang pada suatu gambar maupun video. Banyak metode yang bisa digunakan untuk pengenalan wajah antara lain metode fisherface, local binary pattern histogram, dan eigenface. Peneliti sebelumnya menerapkan pengenalan wajah menggunakan metode eigenface untuk mengidentifikasi wajah mahasiswa di Universitas Nurul Jadid. Akan tetapi, metode eigenface hanya fokus pada citra dengan objek tidak bergerak, sehingga belum bisa diterapkan pada video. Untuk itu, pada penelitian ini diusulkan suatu metode yang dapat mengidentifikasi wajah pada video yaitu metode haar cascade dan deep learning. Metode haar cascade merupakan suatu metode yang dapat mendeteksi  posisi letak wajah pada suatu video dan metode deep learning untuk mengenali wajah yang sudah terdeteksi pada video. Hasil uji coba yang dilakukan metode haar cascade dapat mendeteksi adanya wajah pada video secara baik. Akan tetapi metode haar cascade juga mendeteksi yang bukan wajah pada data testing. Hasil dari uji coba pada gambar dengan metode haar cascade dan deep learning teridentifikasi secara benar dengan tingkat akurasi 99,6%. Hasil uji coba metode haar cascade dan deep learning pada video mahasiswa berhasil dilakukan jika komposisi warna dan tingkat cahayanya sama dengan data training dan jika tidak sesuai dengan data training maka tidak berhasil mengidentifikasi wajah mahasiswa pada video secara benar.
Co-Authors Jannah, Maulidil Oktagalu Pratamasunu, Gulpi Qorik