KLASIFIKASI GAMBAR PENGGUNAAN MASKER PADA WAJAH MENGGUNAKAN LOCAL BINARY PATTERNS (LBP) DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abdi, Muhammad Firdaus (2022) KLASIFIKASI GAMBAR PENGGUNAAN MASKER PADA WAJAH MENGGUNAKAN LOCAL BINARY PATTERNS (LBP) DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
20.77.1254 Muhammad Firdaus Abdi.pdf

Download (3MB)

Abstract

Diakhir tahun 2021 pandemi covid-19 sudah mulai menurun dan mobilitas sudah mulai tidak dibatasi akan tetapi varian baru covid-19 atau corona virus omicron mulai terdeteksi di Indonesia untuk itu masyarakat dihimbau dan diwajibkan selalu menggunakan masker ketika berada di luar rumah. Dan juga selalu menjaga jarak, menghindari kerumunan dan juga rajin mencuci tangan. Diwajibkannya selalu memakai masker menjadi point penting pada penelitian ini yang dimana fokus penelitian yang akan dilakukan yaitu citra gambar wajah menggunakan masker medis. Dalam penelitian ini melakukan pengujian gambar wajah menggunakan masker dan tanpa masker yang dimana dilakukan dengan metode ektraksi fitur local binary pattern (LBP) dan original gambar. Convolutional Neural Network (CNN) digunakan untuk mengklasifikasi pada penelitian ini. Dataset yang digunakan sebanyak 1914 gambar latih dan 1885 gambar uji, dimana pada gambar latih dataset gambar menggunakan masker sebanyak 896 dan tanpa masker sebanyak 896. Sedangkan pada gambar uji dataset gambar menggunakan masker sebanyak 850 dan tanpa masker sebanyak 1035.Hasil pengujian terbaik dari skenario gambar asli tanpa ektraksi fitur pada pengujian ketiga dengan epoch 10 dengan tingkat akurasi terbaik 98.03%. Sedangkan untuk ektraksi fitur akurasi terbaik pada pengujian ke enam dengan epoch 50 dengan tangkat akurasi 87.32%.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Kusrini, Kusrini
Kurniawan, Mei P.
Uncontrolled Keywords: Masker, Klasifikasi, Convolutional Neural Network, Local Binary Pattern, Ektraksi tekstur
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Pascasarjana MTI > PJJ
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 12 Jul 2023 01:31
Last Modified: 22 Jul 2023 07:16
URI: http://eprints.amikom.ac.id/id/eprint/20293

Actions (login required)

View Item View Item