PENGENALAN EKSPRESI WAJAH MANUSIA MENGGUNAKAN METODE LBPH DAN YOLO

MUHAMMAD ROBBY SYAHPUTRA and ADITYA PRASETYA HUTABARAT and ANDRE WIJAYA (2022) PENGENALAN EKSPRESI WAJAH MANUSIA MENGGUNAKAN METODE LBPH DAN YOLO. Undergraduate (S-1) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (9MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (2MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (13MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (13MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (1MB)

Abstract

Deteksi wajah merupakan langkah pertama yang harus dilakukan dalam analisis wajah, termasuk didalamnya adalah pengenalan ekspresi wajah. Dalam deteksi wajah terdapat beberapa tantangan seperti posisi wajah tidak menghadap langsung ke kamera, skala wajah, terhalang objek lain, dan kondisi pencahayaan. Setelah berhasil mendeteksi wajah, maka langkah selanjutnya adalah mengenali ekspresi wajah tersebut. Penelitian ini akan menggunakan metode YOLO untuk mendeteksi wajah manusia dan metode LBPH untuk mengklasifikasi citra. Pemilihan kedua metode ini berdasarkan pertimbangan bahwa LBPH memiliki akurasi yang lebih tinggi daripada metode eigenface dan haar cascade classifier, sedangkan YOLO memiliki proses kerja yang cepat dengan melihat sekali saja pada gambar input untuk memprediksi objek yang terdapat dalam gambar. Hasil dari penelitian ini berupa aplikasi yang dapat digunakan untuk melakukan pengenalan ekspresi wajah manusia. Metode YOLO diterapkan karena memiliki tingkat keberhasilan tinggi dalam pendeteksian wajah manusia. Metode LBPH dapat digunakan untuk mendeteksi ekspresi wajah dengan tingkat keberhasilan sebesar 80%, dengan ekspresi wajah neutral, surprise, disgust memiliki tingkat akurasi yang bagus dan ekspresi wajah fear memiliki tingkat akurasi yang buruk. Metode LBPH mampu mendeteksi ekspresi wajah dengan tingkat kecerahan berbeda dengan tingkat keberhasilan sebesar 90.48%, serta mampu mendeteksi ekspresi wajah yang tidak menghadap langsung ke kamera dengan tingkat keberhasilan sebesar 75%.

Item Type: Tugas Akhir / Tesis (Undergraduate (S-1))
Subjects: Teknik Informatika
Divisions: Fakultas Informatika > Program Studi S-1 Teknik Informatika
Depositing User: Adi Kurniawan
Date Deposited: 03 Dec 2022 07:07
Last Modified: 15 Dec 2022 08:05
URI: https://repository.mikroskil.ac.id/id/eprint/132

Actions (login required)

View Item
View Item