ABSTRAK Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Muhammad Ervandy Rachmat
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Perkembangan ilmu komputer dan teknologi dalam beberapa tahun belakangan ini mengalami
perkembangan yang hebat, hingga di saat ini muncul jenis-jenis teknologi yang melakukan
digitalisasi terhadap hampir semua hal yang berhubungan dengan kehidupan manusia,
termasuk kedalam pengenalan wajah manusia. Dalam beberapa tahun belakangan ini berbagai
metode untuk pengenalan wajah manusia mengalami perkembangan, salah satunya
menggunakan Histogram of Oriented Gradients (HOG). Pada kesempatan kali ini akan
dilakukan perancangan sistem secara image processing untuk mengenali wajah manusia
menggunakan Histogram of Oriented Gradients (HOG) dan machine learning seperti
Convolutional Neural Network (CNN), dan Support Vector Machine (SVM), selain itu juga
akan dikembangkan bagaimana cara komputer mendeteksi kedipan dari wajah, dengan
menggunakan titik-titik yang dapat dikenali komputer di bagian mata dari 68 titik facial
landmarks, sehingga dari hasil tersebut dapat diukur jarak antar kelopak mata bagian atas dan
bawah yang mana jika jarak (dalam pixel) nya cukup kecil maka dapat diartikan sebagai
kedipan. Selain itu juga dibatasi jarak wajah yang dapat dideteksi untuk berkedip. Pada
akhirnya jika kedipan pada wajah yang dikenali terdeteksi, maka akan dicatat waktu dan
tanggal tersebut yang kemudian juga membuka sebuah kunci solenoid menggunakan
komunikasi serial melalui Arduino Uno sehingga bisa menjadi sebuah sistem keamanan. Dari
100 foto wajah dan 207 kali pengujian kedipan, didapat 89.86% bahwa komputer dapat
mendeteksi kedipan secara “True Positive”, selain itu juga nilai parameter toleransi yang
disarankan untuk sistem pengenalan wajah ini yaitu antara 0.42 hingga 0.48.