Detail Cantuman

Perbedaan ciri objek pada pengolahan citra digital menjadikan pendeteksian tidak mudah dilakukan. Pada penelitian ini digunakan metode Haar Cascade Classifier karena dapat mendeteksi objek apapun hanya berdasarkan perbedaan kontras objek. Penelitian ini bermaksud untuk mengimplementasikan Haar Cascade Classifier untuk mendeteksi adanya kerutan sebagai parameter gejala stres pada citra wajah. Kerutan yang dikategorikan sebagai gejala stres yaitu kerutan yang terdeteksi selain di area mata dan bibir. Deteksi kerutan dilakukan dengan empat algoritma utama Haar Cascade, yaitu Haar-Like Feature, Integral Image, Adaptive Boosting, dan Cascade Classifier. Berdasarkan pengujian, data uji dengan penyebaran intensitas pixel merata (kontras normal) menghasilkan precison dan recall lebih tinggi yaitu masing-masing 72% dan 74% dibanding data uji dengan intensitas pixel dominan pada nilai 0 dan 255 (kontras tinggi). Pengujian menggunakan nilai scale factor 1.1 juga menghasilkan precision dan recall lebih tinggi yaitu 75% dan 74% dibanding penggunaan scale factor 1.2. Secara keseluruhan, sistem ini dapat mengidentifikasi gejala stres dengan keberhasilan sebesar 70% dengan keberhasilan klasifikasi 85%.