Armandani, Ruri (2019) Klasifikasi Gender Berbasis Wajah Menggunakan Metode Local Binary Pattern dan Random KNN. Sarjana thesis, Universitas Brawijaya.
Abstract
Klasifikasi gender otomatis berbasis citra wajah merupakan salah satu topik penelitian yang menarik di dalam dunia visi komputer. Sistem klasifikasi gender otomatis memiliki peran penting dalam pengembangan aplikasi seperti sistem pengawasan otomatis dan sistem monitoring. Namun, komputer sulit untuk menemukan ciri khusus yang dapat membedakan gender seseorang sehingga dibutuhkan penerapan metode ekstraksi ciri terlebih dahulu. Selain itu, pemilihan metode klasifikasi juga berperan penting dalam keakuratan mengklasifikasikan gender. Untuk menyelesaikan masalah tersebut, terdapat beberapa tahap yang dilakukan pada penelitian ini. Tahap awal pada penelitian ini adalah melakukan deteksi wajah. Setelah itu, dilakukan pre-processing untuk mendapatkan citra bagian wajah saja yang ukurannya diubah menjadi berukuran 100x100 piksel. Kemudian, proses ekstraksi ciri tekstur dengan metode Local Binary Pattern (LBP) dilakukan pada citra hasil pre-processing tersebut. Citra tekstur yang dihasilkan oleh LBP kemudian dibagi menjadi beberapa bagian kecil yang disebut region. Selanjutnya nilai histogram 32-bin diambil dari setiap region. Setelah itu, seluruh histogram yang didapatkan dari beberapa region tersebut digabungkan menjadi satu vektor yang kemudian menjadi fitur histogram yang digunakan untuk mengklasifikasikan gender. Lalu, proses klasifikasi dilakukan dengan menggunakan metode Random KNN. Berdasarkan hasil pengujian pada penelitian ini, fitur terbaik yang dihasilkan dari proses ekstraksi ciri LBP dengan jumlah region 7x6. Rata-rata akurasi tertinggi yang dihasilkan pada fitur tersebut adalah 72,5% dengan menggunakan parameter nilai k dan nilai r yang paling optimal yaitu k = 11 dan r = 29.
English Abstract
Gender classification based on facial image is one of the interesting research topics in the world of computer vision. The automatic gender classification system has an important role in developing applications such as surveillance system and monitoring system. However, computers find it difficult to find special characteristics that can distinguish a person’s gender so that a feature extraction is needed. In addition, the selection of classification method is also important to get a better accuracy. The initial stage in this research is to do face detection. After that, pre-processing is done to get the face image only and the size of the image is normalized to 100x100 pixels. Then, the feature extraction process with Local Binary Pattern (LBP) method is done on the pre-processing image. Then, the texture image produced by LBP is divided into several small parts called region. The 32-bin histogram is extracted from each region. All of the histograms from each region are concatenated into a single vector which become the histogram feature used to classify gender. The classification was performed by Random KNN method. Based on the results of testing in this research, the best features produced from the LBP feature extraction which has 7x6 regions. The highest average accuracy produced by Random KNN is 72.5%. The optimal parameter value used for Random KNN in this research is k = 11 and r = 29.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/312/051905630 |
| Uncontrolled Keywords: | gender classification, feature extraction, Local Binary Pattern, Random KNN |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 01 Aug 2020 04:50 |
| Last Modified: | 01 Aug 2020 04:50 |
| URI: | http://repository.ub.ac.id/id/eprint/171545 |
Actions (login required)
 |
View Item |