Detail Cantuman

IMPLEMENTASI FITUR DLIB DENGAN KLASIFIKASI KNN UNTUK DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ESP32-CAM SECARA REAL-TIME

EGA MUHAMMAD RAMDHAN/112017031 - Personal Name
0413088001 - Niken Syafitri, S.T, M.T, Ph.D. - Personal Name
Text English 2022 Teknik Elektro : FTI

Sebuah sistem autentikasi identitas manusia yang memiliki akurasi tinggi sangat diperlukan pada kondisi saat ini karena meningkatnya jumlah kejahatan dan kerugian melalui penipuan identitas. Selain itu sistem berbasis token (traditional token-based system) dan berbasis pengetahuan (knowledge-based system) memiliki resiko tinggi dalam kasus pencurian atau lupa sandi serta tidak efisien secara waktu maupun prosesnya mengingat semakin banyak kecurangan yang dilakukan oleh pengguna ketika masih menggunakan sistem autentikasi tersebut. Penelitian ini bertujuan untuk mengimplementasikan sistem dengan teknologi face detection dan face recognition menggunakan ESP32-Cam secara real-time menggunakan fitur Dlib dengan KNN-Classsifier yang diharapkan dapat memberikan manfaat serta solusi untuk pendeteksian dan pengenalan wajah dengan akurat, mengurangi
kecurangan atau manipulasi serta dapat diandalkan. Hasil penelitian menunjukkan bahwa sistem dapat mengidentifikasi maksimal 6 wajah secara bersamaan dengan akurasi 88,89%. Jarak maksimal yang dapat dideteksi dan diidentifikasi oleh sistem yaitu pada jarak 100 cm dan minimal 30 cm dengan tingkat keberhasilan 98,33%. Sistem dapat bekerja dengan optimal pada posisi tegap dengan cahaya terang sedangkan akurasi pengenalan wajah berkurang saat posisi menunduk dengan cahaya redup dengan tingkat keberhasilan 98,33%. Sistem dapat mengenali jika pada saat testing partisipan yang dideteksi dan diidentifikasi memiliki perbedaan dari jarak partisipan ke kamera. Pada kondisi cahaya yang redup akurasi sistem berkurang akibat dari performa dan sensitivitas sensor pada ESP32-Cam menurun
dan beberapa indra tidak terlihat jelas seperti mata dan hidung ketika kondisi wajah menunduk serta pergerakan dari objek yang terlalu cepat sehingga menghasilkan gambar yang blur dan mengakibatkan sistem mengalami kesalahan identifikasi. Semakin banyak dataset yang digunakan pada saat training maka akan semakin maksimal hasil yang didapat.

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	EGA MUHAMMAD RAMDHAN/112017031 - Personal Name 0413088001 - Niken Syafitri, S.T, M.T, Ph.D. - Personal Name
No. Panggil	1431EL/22
Subyek	deteksi wajah, pengenalan wajah, autentikasi dlib, klasifikasi knn
Fakultas	FTI
Tahun Terbit	2022
Jurusan	Teknik Elektro
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2022).IMPLEMENTASI FITUR DLIB DENGAN KLASIFIKASI KNN UNTUK DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ESP32-CAM SECARA REAL-TIME().Teknik Elektro:FTI

Chicago Style

.IMPLEMENTASI FITUR DLIB DENGAN KLASIFIKASI KNN UNTUK DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ESP32-CAM SECARA REAL-TIME().Teknik Elektro:FTI,2022.Text

MLA Style

.IMPLEMENTASI FITUR DLIB DENGAN KLASIFIKASI KNN UNTUK DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ESP32-CAM SECARA REAL-TIME().Teknik Elektro:FTI,2022.Text

Turabian Style

.IMPLEMENTASI FITUR DLIB DENGAN KLASIFIKASI KNN UNTUK DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ESP32-CAM SECARA REAL-TIME().Teknik Elektro:FTI,2022.Text

Detail Cantuman

IMPLEMENTASI FITUR DLIB DENGAN KLASIFIKASI KNN UNTUK DETEKSI DAN PENGENALAN WAJAH MENGGUNAKAN ESP32-CAM SECARA REAL-TIME

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address