Jurnal Elementer (Elektro dan Mesin Terapan)
Vol. 4 No. 1 (2018): Jurnal Elektro dan Mesin Terapan (ELEMENTER)

Analisis Perbandingan Machine Learning SVM Dan Adaboost Face Detection Dengan Metode Viola Jones: Analisis Perbandingan Machine Learning SVM Dan Adaboost Face Detection Dengan Metode Viola Jones

Wiwin Styorini (Politeknik Caltex Riau)
Maylendra wati (Politeknik Caltex Riau)
Wahyuni Khabzli (Politeknik Caltex Riau)



Article Info

Publish Date
30 May 2018

Abstract

Teknologi pengenalan wajah sudah banyak diimplementasikan dalam kehidupan sehari-hari. Untuk mendeteksi wajah pada suatu citra dibutuhkan kecepatan dan keakurasian yang cepat dan tepat. Salah satu metode pendeteksian wajah yang bisa digunakan adalah metode Viola Jones. Machine learning yang bisa diimplementasikan untuk metode ini adalah Adaboost dan SVM. Tujuan Penelitian ini adalah membandingkan kelebihan dan kekurangan dari 2 jenis machine learning tersebut. Hasil akurasi metode viola jones dengan machine learning Adaboost yaitu 90%. Total gambar yang digunakan adalah 50 dengan 30 sampel terdapat wajah dan 20 sampel yang tidak memiliki wajah. Sedangkan pada machine learning SVM tingkat keakurasian yang didapat yaitu sebesar 50%. Rata-rata waktu komputasi yang didapat pada metode AdaBoost sebesar 1,9s dan SVM sebesar 31,19s. Persentase nilai Sensitivitas metode AdaBoost didapat sebesar 86,66% dan SVM sebesar 80%. Nilai Spesifisitas untuk AdaBoost 95% dan untuk SVM yaitu 4,76% . Hal ini karena SVM menempatkan banyak sampel dalam kelompok yang ada wajah meskipun sampel tidak memiliki wajah. Sehingga penelitian ini menyimpulkan bahwa metode machine learning yang lebih efisien adalah dengan menggunakan metode AdaBoost. Kata kunci: deteksi wajah, viola jones, AdaBoost, svm, akurasi

Copyrights © 2018






Journal Info

Abbrev

elementer

Publisher

Subject

Electrical & Electronics Engineering Engineering Mechanical Engineering

Description

Jurnal ELEMENTER is a National journal providing authoritative sources of scientific information for researchers and engineers in academia, research institutions, government agencies, and industries. We publish original research papers, review articles, and case studies focused on Electrical ...