<![CDATA[Dua metode utama yang digunakan dalam penelitian ini adalah Local Binary Pattern Histogram (LBPH) dan Haar Cascade. Total data yang digunakan adalah 1.500 citra wajah, dengan 1.000 data latih dan 500 data uji. Setiap citra memiliki ukuran dimensi 200 x 200 piksel, dan diambil pada jarak 30 cm dari subjek. Metode LBPH digunakan untuk mengekstraksi ciri dari setiap citra wajah, di mana metode ini sangat efisien dalam mendeteksi pola tekstur lokal pada citra wajah. Sementara itu, metode Haar Cascade digunakan untuk melakukan deteksi wajah dengan cepat berdasarkan pemrosesan tingkat awal, yang memungkinkan sistem untuk memetakan fitur penting pada wajah. Pengujian dilakukan dengan menggunakan algoritma gabungan ini menggunakan bahasa pemrograman python, jupyter noteboo untuk meningkatkan efisiensi dan akurasi dalam proses pengenalan. Hasil penelitian menunjukkan bahwa sistem ini mampu mengidentifikasi penumpang hanya dalam rentang waktu antara 6 detik hingga 1 menit saat proses boarding pass. Tingkat akurasi yang dicapai adalah 97%, yang membuktikan bahwa sistem pengenalan wajah ini sangat efektif dalam mempersingkat waktu antrean penumpang di pelabuhan. Berdasarkan hasil tersebut, dapat disimpulkan bahwa teknologi pengenalan wajah menggunakan kombinasi metode LBPH dan Haar Cascade merupakan solusi yang efisien dan akurat untuk mengurangi antrian proses boarding pass.Kata Kunci: Pengenalan Wajah, E-Tiket, Pulau Bacan, Pelabuhan Babang]]>
Copyrights © 2024
