Zakaria, Kiki (2017) Implementasi pengenalan wajah pada sistem keamanan rumah dengan menggunakan metode Local Binary Pattern Histograms (LBPH) berbasis sistem mikroprosesor raspberry Pi. Diploma thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_Cover.pdf Download (431kB) | Preview |
|
|
Text (ABSTRAK)
2_Abstact.pdf Download (439kB) | Preview |
|
|
Text (DAFTAR ISI)
3_Daftar Isi.pdf Download (452kB) | Preview |
|
|
Text (BAB I)
4_Bab 1.pdf Download (491kB) | Preview |
|
Text (BAB II)
5_Bab 2.pdf Restricted to Registered users only Download (3MB) | Request a copy |
||
Text (BAB III)
6_Bab 3.pdf Restricted to Registered users only Download (5MB) | Request a copy |
||
Text (BAB IV)
7_Bab 4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB V)
8_Bab 5.pdf Restricted to Registered users only Download (7MB) | Request a copy |
||
Text (BAB VI)
9_Bab 6.pdf Restricted to Registered users only Download (3MB) | Request a copy |
||
Text (BAB VII)
10_Bab 7.pdf Restricted to Registered users only Download (414kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
11_Daftar Pustaka.pdf Restricted to Registered users only Download (413kB) | Request a copy |
Abstract
This research discusses about face recognition system which implemented on home security system using Raspberry Pi as data processor and webcam as its sensor. This research uses Local Binary Pattern Histograms (LBPH) method as extraction method. An important process that is taken by Local Binary Pattern Histograms as an extraction method. First camera initialization. Both pre-processing images are done to eliminate noise in the data, clarify the feature image, reduce the size of the data and convert the original data in order to obtain the data in accordance with the needs. Croping, resizing, and image conversion RGB to grayscale is a pre-processing image. From two research experiments conducted between simulation and experiment using Raspberry Pi, obtained the percentage of facial recognition accuracy from simulation of 83.35% and experiments of 72.25% using 10 databases. While at 15 and 20 databases used obtained face recognition accuracy rate of 100%, and 88.9% for 15 databases on raspberry pi. This indicates that the number of databases used greatly affects the level of facial recognition accuracy. The more databases are used, the Penelitian ini membahas tentang sistem pengenalan wajah yang diimplementasikan pada sistem keamanan rumah menggunakan Raspberry Pi sebagai pengolah data dan webcam sebagai sensornya. Penelitian ini menggunakan metode Local Binary Pattern Histograms (LBPH) sebagai metode ekstraksi. Proses penting yang ditempuh Local Binary Pattern Histograms sebagai metode ekstraksi. Pertama inisialisasi kamera. Kedua pre-processing image, dilakukan guna menghilangkan noise pada data, memperjelas feature (fitur) gambar, memperkecil ukuran data dan mengkonversi data asli agar diperoleh data yang sesuai dengan kebutuhan. Croping, resize, dan konversi citra RGB to grayscale merupakan proses pre-processing image. Dari dua percobaan penelitian yang dilakukan antara simulasi dan eksperimen menggunakan Raspberry Pi, diperoleh persentase akurasi pengenalan wajah dari simulasi sebesar 83,35% dan eksperimen sebesar 72,25% dengan menggunakan 10 database. Sedangkan pada 15 dan 20 database yang digunakan diperoleh tingkat akurasi pengenalan wajah sebesar 100%, dan 88,9% untuk 15 database pada raspberry pi. Hal ini menunjukkan bahwa jumlah database yang digunakan sangat mempengaruhi tingkat akurasi pengenalan wajah. Semakin banyak database yang digunakan, maka akan semakin besar tingkat akurasi pengenalan wajah, dan akan semakin memudahkan sistem dalam mengidentifikasi wajah.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | Face Recognition; Raspberry Pi; Home Security System; |
Subjects: | Physics > Instrumentation of Physics Applied Physics > Electronics Applied Physics > Security, Sound Recording |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Fisika |
Depositing User: | Kiki Zakaria |
Date Deposited: | 29 Oct 2018 03:16 |
Last Modified: | 29 Oct 2018 03:16 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/15971 |
Actions (login required)
View Item |