PENGEMBANGAN TEKNOLOGI PENGENALAN WAJAH PADA SISTEM TIKET KAPAL SEBAGAI SOLUSI OPTIMAL UNTUK MENGURANGI ANTRIAN BOARDING PASS
Sari
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
Teks Lengkap:
PDF (Indonesia)Referensi
S. Hangaragi, T. Singh, and N. Neelima, “Face Detection and Recognition Using Face Mesh and Deep Neural Network,” Procedia Comput. Sci., vol. 218, pp. 741–749, 2022, doi: 10.1016/j.procs.2023.01.054.
G. Rajeshkumar et al., “Smart office automation via faster R-CNN based face recognition and internet of things,” Meas. Sensors, vol. 27, no. November 2022, 2023, doi: 10.1016/j.measen.2023.100719.
S. Deng, “Face expression image detection and recognition based on big data technology,” Int. J. Intell. Networks, vol. 4, no. August, pp. 218–223, 2023, doi: 10.1016/j.ijin.2023.08.002.
S. Sunardi, A. Fadlil, and D. Prayogi, “Face Recognition Using Machine Learning Algorithm Based on Raspberry Pi 4b,” Int. J. Artif. Intell. Res., vol. ISSN, no. 1, pp. 2579–7298, 2022, doi: 10.29099/ijair.v7i1.321.
R. Purwati and G. Ariyanto, “Pengenalan Wajah Manusia berbasis Algoritma Local Binary Pattern,” Emit. J. Tek. Elektro, vol. 17, no. 2, pp. 70–79, 2017, doi: 10.23917/emitor.v17i2.6232.
P. Sukhija, S. Behal, and P. Singh, “Face Recognition System Using Genetic Algorithm,” Procedia Comput. Sci., vol. 85, no. Cms, pp. 410–417, 2016, doi: 10.1016/j.procs.2016.05.183.
M. Cardaioli, M. Conti, G. Orazi, P. P. Tricomi, and G. Tsudik, “BLUFADER: Blurred face detection & recognition for privacy-friendly continuous authentication,” Pervasive Mob. Comput., vol. 92, p. 101801, 2023, doi: 10.1016/j.pmcj.2023.101801.
T. Rezaei and A. Javadi, “Environmental impact assessment of ocean energy converters using quantum machine learning,” J. Environ. Manage., vol. 362, p. 121275, 2024, doi: 10.1016/j.jenvman.2024.121275.
T. Fahrudin and D. R. Wijaya, “Simple Machine Learning Architecture as a Service,” IJAIT (International J. Appl. Inf. Technol., vol. 07, no. 01, p. 54, 2023, doi: 10.25124/ijait.v7i01.5991.
I. H. Sarker, “Machine Learning: Algorithms, Real-World Applications and Research Directions,” SN Comput. Sci., vol. 2, no. 3, pp. 1–21, 2021, doi: 10.1007/s42979-021-00592-x.
D. A. Neu, J. Lahann, and P. Fettke, “A systematic literature review on state-of-the-art deep learning methods for process prediction,” Artif. Intell. Rev., vol. 55, no. 2, pp. 801–827, 2022, doi: 10.1007/s10462-021-09960-8.
A. Santoso and G. Ariyanto, “Implementasi Deep Learning berbasis Keras untuk Pengenalan Wajah,” Emit. J. Tek. Elektro, vol. 18, no. 1, pp. 15–21, 2018, doi: 10.23917/emitor.v18i01.6235.
P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–21, 2020.
S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,” JUSTINDO(Jurnal Sist. Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–56, 2018.
R. Kosasih and C. Daomara, “Pengenalan Wajah dengan Menggunakan Metode Local Binary Patterns Histograms (LBPH),” J. Media Inform. Budidarma, vol. 5, no. 4, p. 1258, 2021, doi: 10.30865/mib.v5i4.3171.
A. Gunadarma and K. R. R. Wardani, “Penerapan Histogram of Oriented Gradients, Principal Component Analysis, dan AdaBoost untuk Sistem Pengenalan Wajah,” J. Telemat., vol. 13, no. 2, pp. 93–98, 2018.
F. Setiawan and D. Agushinta R, “Sistem Pengenalan Wajah Dengan Metode Local Binary Pattern Histogram Pada Firebase Bebasis OPENCV,” SeNTIK, vol. 4, no. 1, pp. 19–25, 2020.
F. Deeba, A. Ahmed, H. Memon, F. A. Dharejo, and A. Ghaffar, “LBPH-based enhanced real-time face recognition,” Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 5, pp. 274–280, 2019, doi: 10.14569/ijacsa.2019.0100535.
S. Jothi Shri, S. Jothilakshmi, and G. Jawaherlalnehru, “Real time face recognition in group images using LBPH,” Int. J. Recent Technol. Eng., vol. 8, no. 2, pp. 1362–1367, 2019, doi: 10.35940/ijrte.B2015.078219.
M. Müller, D. Britz, L. Ulrich, T. Staudt, and F. Mücklich, “Classification of bainitic structures using textural parameters and machine learning techniques,” Metals (Basel)., vol. 10, no. 5, pp. 1–19, 2020, doi: 10.3390/met10050630.
G. Aprilian Anarki, K. Auliasari, and M. Orisa, “Penerapan Metode Haar Cascade Pada Aplikasi Deteksi Masker,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 179–186, 2021, doi: 10.36040/jati.v5i1.3214.
D. I. Mulyana et al., “Penerapan Face Recognition Dengan Algoritma Haar Cascade Untuk Sistem Absensi Pada Yayasan Pusat Pengembangan Anak Jakarta,” J. Cahaya Mandalika ISSN 2721-4796, pp. 215–226, 2023, [Online]. Available: https://ojs.cahayamandalika.com/index.php/jcm/article/view/1284
D. K. Damarsiwi, E. A. Pambudi, M. A. Fitriani, and F. Wibowo, “Face Detection in Complex Background using Scale Invariant Feature Transform and Haar Cascade Classifier Methods,” Sinkron, vol. 8, no. 2, pp. 852–860, 2024, doi: 10.33395/sinkron.v8i2.13556.
Jamal Rosid, “Face Recognition Dengan Metode Haar Cascade dan Facenet,” Indones. J. Data Sci., vol. 3, no. 1, pp. 30–34, 2022, doi: 10.56705/ijodas.v3i1.38.
F. L. Ramadini and E. Haryatmi, “Penggunaan Metode Haar Cascade Classifier dan LBPH Untuk Pengenalan Wajah Secara Realtime,” InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 6, no. 2, pp. 1–8, 2022, [Online]. Available: https://jurnal.uisu.ac.id/index.php/infotekjar/article/view/4714/pdf
Prakoso, A. P., Rasyid, A., Deannova, A., & Rahmawan, A. E. (2024). DETEKSI WAJAH MENGGUNAKAN CASCADE CLASSIFIER DENGAN OPEN CV-PYTHON. SIKAMA: Sinergi Akademisi dan Masyarakat, 2(1), 23-29.
DOI: https://doi.org/10.36549/ijis.v9i2.346
Article Metrics
Sari viewed: 100 times PDF (Indonesia) download = 11 timesRefbacks
- Saat ini tidak ada refbacks.
Akreditasi Nomor 230/E/KPT/2022
eISSN : 2548-6438
pISSN : 2614-7173
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Kontak Utama. Dr. Muharto., M.Si (LPPM Politeknik Sains & Teknologi Wiratama)
Jl Kampus Poltek, Kel. Jati Metro, Kec. Kota Ternate Selatan, Provinsi Maluku Utara, Kode Pos 97716, Email ijis.wiratama@gmail.com