Perbandingan Identifikasi Wajah Dengan Ekstraksi Fitur Haralick Dan CNN
DOI:
https://doi.org/10.36423/index.v2i02.594Abstract
Kecanggihan teknologi telah berdampak pada setiap segi kehidupan. Salah satunya pengolahan citra yang menjadikan objek wajah sebagai karakter utama. Deteksi wajah digunakan untuk mengetahui ada atau tidaknya wajah pada suatu gambar sehingga keberadaannya sangat vital. penelitian ini adalah untuk mendapatkan algoritma pengenalan yang kuat dengan akurasi tinggi. Struktur umum proses pengenalan wajah dalam penelitian ini mencoba dua eksperimen yakni dengan menggunakan Feature Extraction Haralic dengan Random Forest, dan klasifikasi dengan menggunakan CNN. Penelitian feature ectraction dengan haralic ini terdiri dari tiga tahap. Ini dimulai dengan tahap pra-pemrosesan: konversi ruang warna dan pengubahan ukuran gambar, dilanjutkan dengan ekstraksi fitur wajah, dan kemudian set fitur yang diekstraksi diklasifikasikan. Dalam sistem ini, Random Forest Classifier dan CNN akan menajadi acuan novelty untuk merealisasikan tahap terakhir berdasarkan fitur wajah. Hasil akurasi dari eksperimen ini masih kurang sehinggap perlu mencoba eksperimen lain.References
dan R. I. Y. Garis K, I. Santoso, “Klasifikasi Citra dengan Matriks Ko-Okurensi Aras Keabuan (Gray Level Co-Occurrence Matrix-GLCM) pada Limakelas Biji-Bijian,†2011.
I. Permatasari dan T. Sutojo, “Pengenalan Ciri Garis Telapak Tangan Menggunakan Ekstraksi Fitur (GLCM) dan Metode (KNN),†2016.
D. Syahid, Jumadi, and D. Nursantika, “Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),†JOIN, vol. I, no. 1, pp. 20–23, 2016.
W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,†J. Tek. ITS, vol. 5, no. 1, 2016, doi: 10.12962/j23373539.v5i1.15696.
X. He, Z. Li, X. Liu, and T. Zhang, “Log facies recognition based on convolutional neural network,†Shiyou Diqiu Wuli Kantan/Oil Geophys. Prospect., vol. 54, no. 5, pp. 1159–1165, 2019, doi: 10.13810/j.cnki.issn.1000-7210.2019.05.024.
S. Wasista, B. S. B. D, and S. A. Putra, “Sistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa Menggunakan Metode PCA Dan DTW,†13th Ind. Electron. Semin. 2011 (IES 2011), vol. 2011, no. Ies, pp. 224–229, 2011.
S. Guo, S. Chen, and Y. Li, “Face recognition based on convolutional neural network & support vector machine,†2016 IEEE Int. Conf. Inf. Autom. IEEE ICIA 2016, no. August, pp. 1787–1792, 2017, doi: 10.1109/ICInfA.2016.7832107.
G. Zou, G. Fu, M. Gao, J. Pan, and Z. Liu, “A new approach for small sample face recognition with pose variation by fusing Gabor encoding features and deep features,†Multimed. Tools Appl., vol. 79, no. 31–32, pp. 23571–23598, 2020, doi: 10.1007/s11042-020-09076-1.
S. Singh, D. Singh, and V. Yadav, “Face recognition using hog feature extraction and svm classifier,†Int. J. Emerg. Trends Eng. Res., vol. 8, no. 9, pp. 6437–6440, 2020, doi: 10.30534/ijeter/2020/244892020.
K. Fukushima, “Neocognitron: A Self-Organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position,†Biol. Cybern., 1980.
D. Stathakis, “How Many Hidden Layers And Nodes,†Int. J. Remote Sens., 2008.
Stanford University, “An Introduction to Convolutional Neural Network,†Vis. Imaging Sci. Technol. Lab, Stanford Univ. [Online.
J. T. Springenberg, “A. Dosovitskiy, T. Brox and M. Riedmiller, "Striving For Simplicity: The All Convolutional Net,†ICLR 2015, 2015.
L. Ratnawati and D. R. Sulistyaningrum, “Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel,†vol. 8, no. 2, pp. A71–A77, 2019.
S. Gayathri, A. K. Krishna, V. P. Gopi, and P. Palanisamy, “Automated Binary and Multiclass Classification of Diabetic Retinopathy Using Haralick and Multiresolution Features,†IEEE Access, vol. 8, pp. 57497–57504, 2020, doi: 10.1109/ACCESS.2020.2979753.
D. Fransiska Amalia Kurniawan, “Analisis dan Implementasi Random Forest dan Regression Tree (CART) Untuk Klasifikasi pada Misuse Intrussion Detection System,†Fak. Tek. Inform., no. Data Mining, pp. 1–7, 2011.
