<![CDATA[Penelitian ini mengimplementasikan metode Viola-Jones dan YOLOv9 untuk mendeteksi wajah bergerak menggunakan OpenCV. Penelitian ini menggunakan total dataset yang terdiri dari 1.250 citra wajah untuk metode Viola-Jones, dan 1.205 citra untuk model YOLOv9. Dataset YOLOv9 dibagi kedalam tiga kategori: train (83% atau 1.000 citra), valid (12% atau 145 citra), dan test (5% atau 60 citra). Metode yang diterapkan dalam penelitian ini adalah metode viola-jones dan YOLOv9 untuk mendeteksi wajah bergerak menggunakan OpenCV. Metode Viola-Jones dipilih karena kecepatan dan akurasinya dalam deteksi wajah, sedangkan YOLOv9 dipilih karena kemampuan deteksinya yang canggih dan efisien. Pelatihan model YOLOv9 dilakukan sebanyak empat kali percobaan dengan membandingkan parameter epoch untuk menghasilkan akurasi terbaik. Dari empat kali percobaan, parameter yang menghasilkan akurasi terbaik menggunakan epoch 100 pada batch 16. Metode Viola-Jones berhasil mendeteksi 1.204 dari 1.250 gambar wajah, menghasilkan akurasi, precision, dan recall masing-masing sebesar 96%, serta F1-Score sebesar 97%. Untuk model YOLOv9, hasil pengujian menggunakan confusion matrix menunjukkan bahwa pendeteksi wajah mencapai tingkat precision sebesar 95%, recall sebesar 98%, dan mAP50 sebesar 99%. Berdasarkan hasil ini, dapat disimpulkan bahwa implementasi kedua metode tersebut efektif untuk mendeteksi wajah bergerak dengan tingkat akurasi dan performa yang tinggi.]]>
Copyrights © 2024
