Choirina, Priska
Jurnal Informatika Polinema

Published : 4 Documents
Articles

Found 4 Documents
Search

DETEKSI JENIS KELAMIN BERDASARKAN CITRA WAJAH JARAK JAUH DENGAN METODE HAAR CASCADE CLASSIFIER Choirina, Priska; Asmara, Rosa Andrie
Jurnal Informatika Polinema Vol 2 No 4 (2016)
Publisher : Jurnal Informatika Polinema

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.192 KB)

Abstract

Saat ini perkembangan teknologi  yang berkaitan dengan pengenalan wajah banyak dimanfaatkan pada aplikasi pengenalan  data  biologis  (biometrics) seperti  pengenalan  jenis  kelamin.  Penerapan  aplikasi  yang  memerlukan pengenalan jenis kelamin adalah proses segmentasi pasar untuk mengetahui trend demografis dari produk yang dipasarkan berdasarkan jenis kelamin, selain itu juga dapat digunakan untuk pembatasan akses suatu ruangan dan lain-lain. Deteksi jenis kelamin berdasarkan citra wajah jarak jauh dengan metode Haar Cascade Classifier dapat digunakan untuk membedakan wajah wanita dan wajah pria dengan jarak kurang dari 200 cm. Data yang dilakukan untuk proses training adalah 150 wajah laki-laki dan 150 wajah perempuan, dari jumlah wajah tersebut diambil 100 citra wajah untuk setiap jarak berukuran 100, 150, dan 200 cm. Penggunaan fitur-fitur geometris yang diperoleh dari deteksi mata, hidung dan mulut diproses dengan pengukuran jarak antar fitur-fitur dari wajah yang akan dilakukan proses klasifikasi jenis kelamin. Untuk klasifikasi jenis kelamin dilakukan perbandingan 2 metode klasifikasi yaitu
SISTEM PENGENALAN WAJAH UNTUK KEAMANAN FOLDER MENGGUNAKAN METODE TRIANGLE FACE Arhandi, Putra Prima; Rosiani, Ulla Delfana; Prasetyawati, Atika; Choirina, Priska
Jurnal Informatika Polinema Vol 4 No 4 (2018)
Publisher : Jurnal Informatika Polinema

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (552.367 KB)

Abstract

Keamanan ruangan atau folder yang baik memiliki sistem penguncian yang baik yaitu memiliki kemungkinannya kecil terjadi pembobolan sehingga perlu ditambahakan sistem keamanan yang sulit untuk dimanipulasi oleh orang tertentu. Sistem keamanan yang digunakan pada sistem ini menggunakan teknologi biometrika pengenalan wajah yaitu dengan menggunakan ciri – ciri fisik manusia yang memiliki karakteristik yang berbeda – beda yang selalu melekat pada manusia.Dalam aplikasinya, pengenalan wajah dilakukan dengan menggunakan sebuah kamera atau webcam untuk menangkap wajah seseorang yang kemudian akan dibandingkan dengan wajah yang sebelumnya telah disimpan di dalam database tertentu. Dalam penelitian ini, sistem dirancang dengan deteksi wajah menggunakan metode Triangle Face. Identifikasi wajah dilakukan dengan mendeteksi fitur – fitur pada wajah seperti jarak antar mata, jarak mata kanan ke hidung, jarak mata kiri ke hidung, jarak mata kanan ke mulut dan jarak mata kiri ke mulut yang akan membentuk segitiga serta ukuran lebar dan tinggi wajah. Dari perancangan sistem yang telah dijelaskan diatas didapatkan hasil bahwa sistem pengenalan wajah menggunakan metode Triangle Face ini memiliki keakuratan yang baik yaitu 82,6%, sehingga dapat dikatakan sistem ini cukup aman untuk diaplikasikan dalam pengaksesan ruang folder komputer.
KLASIFIKASI JENIS KELAMIN PADA CITRA WAJAH MENGGUNAKAN METODE NAIVE BAYES Asmara, Rosa Andrie; Andjani, Bella Sita; Rosiani, Ulla Delfana; Choirina, Priska
Jurnal Informatika Polinema Vol 4 No 3 (2018)
Publisher : Jurnal Informatika Polinema

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (588.668 KB)

Abstract

Saat ini perkembangan teknologi yang berkaitan dengan pengenalan wajah banyak dimanfaatkan pada aplikasi pengenalan data biologis (biometrics) seperti pengenalan jenis kelamin. Penerapan aplikasi yang memerlukan pengenalan jenis kelamin adalah proses segmentasi pasar untuk mengetahui trend demografis dari produk yang dipasarkan berdasarkan jenis kelamin. Selain itu, aplikasi ini juga dapat digunakan untuk pembatasan akses suatu ruangan. Klasifikasi jenis kelamin pada citra wajah menggunakan metode Naive Bayes dapat digunakan untuk membedakan wajah wanita dan wajah pria berdasarkan fitur. Pembuatan data training berupa citra wajah dengan total 61 data dengan rincian 25 perempuan dan 36 laki-laki. Penggunaan fitur yang diperoleh dari deteksi mata, hidung dan mulut diekstraksi dengan metode Principal Component Analysis yang selanjutnya akan dilakukan proses klasifikasi jenis kelamin dengan metode Naive Bayes yang menghasilkan akurasi kecocokan sebesar 80%.
Menuju Pengenalan Ekspresi Mikro: Pendeteksian Komponen Wajah Menggunakan Discriminative Response Map Fitting Rosiani, Ulla Delfana; Choirina, Priska; Sumpeno, Surya; P., Mauridhy Hery
Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI) Vol 7, No 2 (2018)
Publisher : Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1573.841 KB) | DOI: 10.22146/jnteti.v7i2.424

Abstract

The observations made in the study of micro-expression are to recognize and track the very subtle movements of certain facial areas and in a short time. In this study, the observation of movement is held in some areas of the face component. The facial and facial components detection is the pre-process stage on micro-expression recognition system. The goal at this stage is to get face and face components accurately and quickly on every movement of the video sequence or image sequence. The face landmark point of the Discriminative Response Map Fitting (DRMF) method can be used to get face components area accurately and quickly. This can be done because the facial landmark points used in this model-based method do not change when objects are moved, rotated, or scaled. The results obtained by using this method are accurate with a 100% accuracy value compared to the Haar Cascade Classifier method with an average accuracy of 44%. In addition, the average time required in the formation of facial component boxes for each frame is 0.08 seconds, faster than the Haar Cascade Classifier method of 0.32 seconds. With the results obtained, then the detection of facial components can be obtained accurately and quickly. Furthermore, the boxes of face components obtained are expected to display the appropriate data to be processed correctly and accurately in the next stage, feature extraction and the classification of micro-expression motion stage.