Analisis Kinerja Lbpcascade Dan Haarcascade Pada Authentication Face Login Dengan Metode Local Binary Pattern Histogram Menggunakan Flask

Anis Septi Budiani, . (2024) Analisis Kinerja Lbpcascade Dan Haarcascade Pada Authentication Face Login Dengan Metode Local Binary Pattern Histogram Menggunakan Flask. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (827kB)
	Text BAB I.pdf Restricted to Registered users only Download (24kB)
	Text BAB II.pdf Restricted to Registered users only Download (389kB)
	Text BAB III.pdf Restricted to Registered users only Download (332kB)
	Text BAB IV.pdf Restricted to Registered users only Download (868kB)
	Text BAB V.pdf Restricted to Registered users only Download (10kB)
	Text JURNAL.pdf Restricted to Registered users only Download (609kB)

Abstract

Sistem autentikasi berbasis pengenalan wajah telah menjadi fokus perhatian dalam aplikasi keamanan. Penggunaan pengklasifikasi seperti LBPCascade dan HaarCascade telah terbukti efektif dalam mendeteksi wajah dalam gambar. Namun, penelitian sebelumnya belum sepenuhnya menganalisis efektivitas penggunaan kedua pengklasifikasi ini dalam konteks autentikasi berbasis wajah pada aplikasi Flask. Penelitian ini bertujuan untuk menganalisis kinerja pengklasifikasi LBPCascade dan HaarCascade dengan metode ekstraksi fitur LBPH dalam autentikasi berbasis wajah. Evaluasi dilakukan melalui parameter akurasi, kecepatan, dan efisiensi. Penelitian ini menguji performa metode deteksi wajah Haar Cascade dan LBP Cascade dengan berbagai aspek, termasuk akurasi, sensitivitas, spesifisitas, False Positive Rate (FPR), kecepatan deteksi, dan penggunaan memori. Dalam pengujian, Haar Cascade dan LBP Cascade mencapai akurasi deteksi 100%. LBPCascade menunjukkan kecepatan deteksi lebih tinggi 0.05 detik dibandingkan HaarCascade 0.10 detik dan menggunakan memori yang lebih efisien 84 MB per gambar dengan haarcascade. 86 MB per gambar. Pada pencahayaan rendah, LBPCascade lebih cepat 8.3 detik dengan akurasi 8%, sedangkan HaarCascade memiliki akurasi 28%. Namun, pada pencahayaan sedang, LBPCascade mencapai akurasi 86% dengan kecepatan 7.9 detik dan memori 24.95 MB, sementara HaarCascade lebih efisien dengan 17.98 MB dan 22.90 detik. Pilihan bergantung pada sumber daya dan kondisi pencahayaan aplikasi.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	LBP-Cascade Classifier, Haar-Cascade Classifier, LBP-Histogram, Authentication Face Login, Flask
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	miko
Date Deposited:	21 Dec 2024 03:55
Last Modified:	21 Dec 2024 03:56
URI:	http://repository.unpam.ac.id/id/eprint/16121

Actions (login required)

View Item