PENGENALAN WAJAH MAHASISWA UNIVERSITAS NURUL JADID PADA VIDEO MENGGUNAKAN METODE HAAR CASCADE DAN DEEP LEARNING

Jannah, Maulidil (2019) PENGENALAN WAJAH MAHASISWA UNIVERSITAS NURUL JADID PADA VIDEO MENGGUNAKAN METODE HAAR CASCADE DAN DEEP LEARNING. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_15014074_Maulidil Jannah_IF.pdf Restricted to Registered users only Download (6MB)

Abstract

Pengenalan wajah secara otomatis merupakan teknologi visi komputer yang berfungsi untuk mengidentifikasi identitas seseorang melalui media citra statis maupun video. Penelitian terdahulu di Universitas Nurul Jadid (UNUJA) telah menerapkan metode Eigenface untuk mengidentifikasi wajah mahasiswa. Namun, metode tersebut memiliki keterbatasan karena hanya berfokus pada citra statis dengan objek tidak bergerak, sehingga kurang optimal jika diimplementasikan pada data video dinamis. Penelitian ini bertujuan untuk mengatasi kelemahan tersebut dengan mengusulkan integrasi metode Haar Cascade dan Deep Learning (CNN) untuk sistem pengenalan wajah pada video. Metode Haar Cascade diterapkan untuk melokalisasi koordinat posisi wajah secara real-time, sedangkan metode Deep Learning digunakan untuk mengklasifikasikan identitas objek wajah yang telah terdeteksi. Tahapan penelitian diawali dengan pengumpulan dataset video dari 100 mahasiswa, dilanjutkan dengan preprocessing tahap awal berupa pemotongan dan penyeragaman resolusi (resize) video menggunakan bahasa pemrograman Python. Wajah yang berhasil dideteksi oleh Haar Cascade kemudian dipotong (crop) dan diubah ukurannya pada preprocessing tahap kedua untuk standardisasi dimensi input jaringan saraf. Dataset yang dikumpulkan dibagi menjadi dua klaster, yaitu 2.500 citra wajah sebagai data latih (training) dan 500 citra wajah sebagai data uji (testing). Model Deep Learning dilatih menggunakan parameter konfigurasi 50 epoch dan 300 step. Hasil pengujian pada citra statis menunjukkan kombinasi kedua metode ini berhasil mengidentifikasi wajah secara akurat dengan tingkat akurasi mencapai 99,6%. Namun, pada pengujian data video, sistem mendeteksi adanya derau (false positive) di mana objek non-wajah ikut terdeteksi oleh Haar Cascade. Selain itu, keberhasilan pengenalan pada video sangat dipengaruhi oleh konsistensi komposisi warna dan intensitas cahaya yang harus selaras dengan karakteristik data latihan.

Kata Kunci: Pengenalan Wajah, Visi Komputer, Haar Cascade, Deep Learning, CNN, Video Dinamis.

Item Type:	Thesis (Other)
Subjects:	B Philosophy. Psychology. Religion > BP Islam. Bahaism. Theosophy, etc L Education > LB Theory and practice of education Q Science > QA Mathematics > QA76 Computer software Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	05 Jul 2026 07:39
Last Modified:	05 Jul 2026 07:39
URI:	https://repository.unuja.ac.id/id/eprint/4008

Actions (login required)

View Item