digilib@itb.ac.id +62 812 2508 8800

Dalam bidang Visi Komputer, proses klasifikasi data demografi dapat dilakukan dengan memanfaatkan gambar wajah. Deteksi wajah dilakukan untuk menentukan keberadaan dari subjek dan menghasilkan sebuah area terisolasi yang berisikan gambar wajah. Area terisolasi yang berisikan gambar wajah menjadi masukan bagi klasifikasi data demografi. Pada penelitian Disertasi, gambar wajah terisolasi diproses dengan dua pendekatan sub-area yaitu analisis global dengan grid-based dan analisis lokal dengan Bag of Facial Component (BoFC). Untuk setiap pendekatan sub-area dilakukan ekstraksi multi-handcrafted features yang terdiri atas Multi Local Binary Pattern (MLBP), Histogram of Gradient (HOG), Color Histogram, dan Center of Area Pattern (CAP) yang menjadi dasar untuk menghasilkan fitur kompak gabungan. Menghasilkan fitur kompak gabungan terdiri atas tiga tahap, yaitu: pencarian parameter terbaik pada setiap handcrafted features untuk menghasilkan fitur tunggal terbaik, strategi menghasilkan fitur kompak dan dilanjutkan dengan penggabungan fitur untuk menghasilkan representasi fitur akhir. Penggabungan fitur kombinasi dengan fitur MLBP dan HOG berasal dari pendekatan grid-based sedangkan fitur Color Histogram dan CAP berasal dari pendekatan BoFC menjadi representasi fitur terbaik dengan dimensi fitur sebesar 4.532. Metode klasifikasi dengan SVM digunakan untuk menghasilkan model klasifikasi data demografi yang meliputi, klasifikasi gender, kelompok usia dan etnis. Dari hasil pengujian pada data set UTK, representasi fitur melalui kombinasi fitur global dan lokal yang diusulkan menghasilkan akurasi klasifikasi data demografi yang kompetitif dibandingkan dengan solusi lainnya. Dengan jumlah fitur sebesar 4.532 akurasi klasifikasi data demografi pada data set UTK mencapai 91,54% (2 kelas), 63,21% (7 kelas), dan 83,20% (5 kelas), untuk klasifikasi gender, kelompok usia dan etnis.