UIN Ar-RaniryUIN Ar-Raniry
Cyberspace: Jurnal Pendidikan Teknologi InformasiCyberspace: Jurnal Pendidikan Teknologi InformasiPenelitian ini mengimplementasikan metode Viola-Jones dan YOLOv9 untuk mendeteksi wajah bergerak menggunakan OpenCV. Penelitian ini menggunakan total dataset yang terdiri dari 1.250 citra wajah untuk metode Viola-Jones, dan 1.205 citra untuk model YOLOv9. Dataset YOLOv9 dibagi kedalam tiga kategori: train (83% atau 1.000 citra), valid (12% atau 145 citra), dan test (5% atau 60 citra). Metode yang diterapkan dalam penelitian ini adalah metode viola-jones dan YOLOv9 untuk mendeteksi wajah bergerak menggunakan OpenCV. Metode Viola-Jones dipilih karena kecepatan dan akurasinya dalam deteksi wajah, sedangkan YOLOv9 dipilih karena kemampuan deteksinya yang canggih dan efisien. Pelatihan model YOLOv9 dilakukan sebanyak empat kali percobaan dengan membandingkan parameter epoch untuk menghasilkan akurasi terbaik. Dari empat kali percobaan, parameter yang menghasilkan akurasi terbaik menggunakan epoch 100 pada batch 16. Metode Viola-Jones berhasil mendeteksi 1.204 dari 1.250 gambar wajah, menghasilkan akurasi, precision, dan recall masing-masing sebesar 96%, serta F1-Score sebesar 97%. Untuk model YOLOv9, hasil pengujian menggunakan confusion matrix menunjukkan bahwa pendeteksi wajah mencapai tingkat precision sebesar 95%, recall sebesar 98%, dan mAP50 sebesar 99%. Berdasarkan hasil ini, dapat disimpulkan bahwa implementasi kedua metode tersebut efektif untuk mendeteksi wajah bergerak dengan tingkat akurasi dan performa yang tinggi.
Metode Viola-Jones berhasil diimplementasikan untuk mendeteksi wajah bergerak dalam video secara real-time, dengan parameter optimal menggunakan 25 tangkapan per frame.Sementara itu, pendeteksian wajah secara real-time menggunakan model YOLOv9 juga berhasil diimplementasikan dengan baik, mendeteksi 1.205 gambar wajah dari dataset yang sama.Model ini menunjukkan performa optimal dengan 100 epoch dan 16 batch, serta menghasilkan precision sebesar 95%, recall sebesar 98%, dan mAP50 sebesar 99%.
Untuk penelitian lanjutan, dapat dilakukan perbandingan antara metode Viola-Jones dan YOLOv9 dengan metode deteksi wajah lainnya, seperti SSD (Single Shot MultiBox Detector) atau MTCNN (Multi-Task Cascaded Convolutional Neural Network), untuk menentukan metode mana yang paling efektif dan efisien dalam mendeteksi wajah bergerak. Selain itu, dapat juga dilakukan penelitian tentang optimasi parameter-parameter dalam metode YOLOv9 untuk meningkatkan akurasi dan performa deteksi wajah, serta mengeksplorasi penggunaan teknik-teknik pengolahan citra tambahan, seperti normalisasi citra atau peningkatan kontras, untuk meningkatkan kualitas citra wajah sebelum proses deteksi.
| File size | 1.29 MB |
| Pages | 17 |
| DMCA | Report |
Related /
UMIUMI Penelitian ini berhasil mengembangkan sistem pendeteksi tingkat kesegaran daging ayam berbasis citra yang diimplementasikan pada platform Android menggunakanPenelitian ini berhasil mengembangkan sistem pendeteksi tingkat kesegaran daging ayam berbasis citra yang diimplementasikan pada platform Android menggunakan
UIN Ar-RaniryUIN Ar-Raniry Siklus pengembangan berbasis CI/CD mempercepat pembaruan sistem dan memastikan stabilitas aplikasi melalui pengujian otomatis serta pemantauan kinerjaSiklus pengembangan berbasis CI/CD mempercepat pembaruan sistem dan memastikan stabilitas aplikasi melalui pengujian otomatis serta pemantauan kinerja
UNJUNJ Penempatan mall di Jakarta Pusat dipengaruhi oleh faktor-faktor seperti aksesibilitas, kepadatan penduduk, potensi pasar, perencanaan perkotaan, preferensiPenempatan mall di Jakarta Pusat dipengaruhi oleh faktor-faktor seperti aksesibilitas, kepadatan penduduk, potensi pasar, perencanaan perkotaan, preferensi
UIN Ar-RaniryUIN Ar-Raniry Berdasarkan hasil penelitian dan pembahasan sebelumnya, dapat disimpulkan sebagai berikut. Sistem kendali keamanan ruangan yang terintegrasi dengan teknologiBerdasarkan hasil penelitian dan pembahasan sebelumnya, dapat disimpulkan sebagai berikut. Sistem kendali keamanan ruangan yang terintegrasi dengan teknologi
UNIPMAUNIPMA Guru ataupun pendidik lain dalam ruang lingkup yang lebih luas mulai mempertimbangkan penggunaan teknologi pembelajaran secara daring. Keseimbangan antaraGuru ataupun pendidik lain dalam ruang lingkup yang lebih luas mulai mempertimbangkan penggunaan teknologi pembelajaran secara daring. Keseimbangan antara
UMGUMG Inventaris perusahaan merupakan salah satu bagian penting yang menjadi perhatian utama pada perusahaan. Pada umumnya, perusahaan yang memiliki inventarisInventaris perusahaan merupakan salah satu bagian penting yang menjadi perhatian utama pada perusahaan. Pada umumnya, perusahaan yang memiliki inventaris
UMUSLIMUMUSLIM Penelitian ini menyimpulkan bahwa metode Weighted Product (WP) berhasil mengidentifikasi mahasiswa terbaik, yaitu Alternatif 9 (Rifai). Sistem yang dibangunPenelitian ini menyimpulkan bahwa metode Weighted Product (WP) berhasil mengidentifikasi mahasiswa terbaik, yaitu Alternatif 9 (Rifai). Sistem yang dibangun
UMUSLIMUMUSLIM Sistem ini diharapkan dapat meminimalisasi penumpukan arsip karena pengelolaan data yang lebih baik dan tersimpan dalam basis data perusahaan. KeberhasilanSistem ini diharapkan dapat meminimalisasi penumpukan arsip karena pengelolaan data yang lebih baik dan tersimpan dalam basis data perusahaan. Keberhasilan
Useful /
UMIUMI Penelitian ini bertujuan untuk menganalisis pengambilan keputusan dalam pemberian pinjaman kepada calon nasabah menggunakan algoritma J48 yaitu sebuahPenelitian ini bertujuan untuk menganalisis pengambilan keputusan dalam pemberian pinjaman kepada calon nasabah menggunakan algoritma J48 yaitu sebuah
UNJAUNJA Kasus ini melibatkan seorang perwira berinisial RC yang terlibat kasus pemerkosaan hingga mencoreng wajah kepolisian, dengan korban seorang siswi SMA diKasus ini melibatkan seorang perwira berinisial RC yang terlibat kasus pemerkosaan hingga mencoreng wajah kepolisian, dengan korban seorang siswi SMA di
UIN Ar-RaniryUIN Ar-Raniry Hasil uji kelayakan media didapatkan nilai rata-rata 4,414 (dalam skala likert), yang menunjukkan bahwa 92,45 % dari total responden setuju bahwa mediaHasil uji kelayakan media didapatkan nilai rata-rata 4,414 (dalam skala likert), yang menunjukkan bahwa 92,45 % dari total responden setuju bahwa media
UIN Ar-RaniryUIN Ar-Raniry Aplikasi ini berhasil dikembangkan menggunakan kerangka kerja Java Android native dan CodeIgniter. Ini menggunakan API dari Raja Ongkir untuk menghitungAplikasi ini berhasil dikembangkan menggunakan kerangka kerja Java Android native dan CodeIgniter. Ini menggunakan API dari Raja Ongkir untuk menghitung