Lewati ke Konten Utama
Logo Resmi STMIK TIME
Repositori Institusi STMIK TIME

Pencarian Koleksi Repositori

Telusuri ribuan skripsi, tesis, disertasi, dan publikasi ilmiah sivitas akademika kampus.

Menemukan 2 karya ilmiah terbit untuk kata kunci "Haar Cascade Classifier"
Bersihkan Semua Filter
SkripsiS1 Teknik InformatikaAkses Terbuka

IMPLEMENTASI METODE HAAR CASCADE MENGGUNAKAN OPEN SOURCE COMPUTER VISION LIBRARY UNTUK DETEKSI JUMLAH KEDATANGAN

VINCENT SETIAWAN
Tahun 2022

Penelitian ini mengatasi permasalahan dalam pengelolaan jumlah pengunjung di lokasi umum dengan memanfaatkan teknologi deteksi pola objek menggunakan metode Haar Cascade Classifier. Saat ini, kurangnya sistem yang mampu memberikan informasi real-time tentang jumlah pengunjung dapat mengganggu kelancaran dan kenyamanan di tempat umum seperti pusat perbelanjaan, rumah sakit, dan perpustakaan. Penelitian ini bertujuan untuk mengimplementasikan Haar Cascade Classifier dengan bantuan Open Source Computer Vision Library untuk mendeteksi jumlah kedatangan secara efisien dan akurat. Metode Haar Cascade Classifier yang digunakan didasarkan pada pendekatan Viola & Jones, memanfaatkan fitur persegi panjang untuk deteksi objek dalam gambar. Teknik ini terbukti efektif dalam mendeteksi wajah manusia dengan kecepatan komputasi yang tinggi, berkat penggunaan Integral Image, Adaboost learning, dan Cascade Classifier. Penelitian sebelumnya menunjukkan bahwa metode ini mampu mencapai akurasi 100% dalam deteksi objek manusia di berbagai kondisi. Dengan penerapan teknologi ini, diharapkan pengelola lokasi umum dapat memperoleh data jumlah pengunjung secara langsung, membantu dalam pengelolaan kapasitas ruang, dan meningkatkan pengalaman pengguna di tempat umum tersebut. Penelitian ini memberikan kontribusi dalam memanfaatkan kemajuan teknologi untuk meningkatkan efisiensi dan kenyamanan penggunaan ruang publik.

Haar Cascade Classifierdeteksi pola objekOpen Source
0 kali diunduh
Detail Naskah
SkripsiS1 Teknik InformatikaAkses Terbuka

IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN OPTIMIZER ADAM DALAM DETEKSI EMOSIONAL PADA WAJAH MANUSIA

STEVEN
Tahun 2024

Deteksi emosional pada wajah manusia adalah bidang penting dalam pemrosesan citra dan pemahaman emosi. Penelitian ini mengembangkan aplikasi deteksi emosi menggunakan algoritma Haar Cascade Classifier untuk mendeteksi wajah dan Convolutional Neural Network (CNN) dengan optimizer Adam untuk menganalisis emosi. Aplikasi yang dikembangkan berhasil mendeteksi tujuh jenis emosi dasar (marah, jijik, takut, senang, netral, sedih, dan terkejut) secara real- time dengan akurasi keseluruhan sebesar 90%. Kombinasi CNN dan optimizer Adam menunjukkan performa yang baik dengan peningkatan akurasi dan penurunan loss yang konsisten seiring bertambahnya epoch, meskipun terdapat indikasi overfitting. Hasil penelitian menunjukkan bahwa sistem ini dapat diandalkan untuk mendeteksi berbagai ekspresi wajah dan memberikan solusi yang efektif dan akurat dalam deteksi emosional.

Deteksi EmosiConvolutional Neural NetworkOptimizer Adam
0 kali diunduh
Detail Naskah