Ferdiansyah, Aji M (2026) OPTIMALISASI PARAMETER HAAR CASCADE UNTUK DETEKSI WAJAH SECARA REAL-TIME BERBASIS OPENCV. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (FULLTEXT)
M. Aji Ferdiansyah_2255201240_fulltext.pdf - Submitted Version Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (TURNITIN)
M.AJI_FERDIANSYAH_2255201240_Turnitin.pdf - Submitted Version Restricted to Repository staff only Download (10MB) | Request a copy |
|
Text (ABSTRAK & BAB 1)
M. Aji Ferdiansyah_2255201240_Abstrak & BAB 1.pdf - Submitted Version Download (310kB) |
|
Text (BAB 2)
M. Aji Ferdiansyah_2255201240_BAB 2.pdf - Submitted Version Download (324kB) |
|
Text (BAB 3)
M. Aji Ferdiansyah_2255201240_BAB 3.pdf - Submitted Version Restricted to Repository staff only Download (376kB) | Request a copy |
|
Text (BAB 4)
M. Aji Ferdiansyah_2255201240_BAB 4.pdf - Submitted Version Restricted to Repository staff only Download (983kB) | Request a copy |
|
Text (BAB 5)
M. Aji Ferdiansyah_2255201240_BAB 5.pdf - Submitted Version Download (313kB) |
|
Text (REF & LAMP)
M. Aji Ferdiansyah_2255201240_REF & LAMP.pdf - Submitted Version Download (218kB) |
Abstract
Perkembangan teknologi Artificial Intelligence (AI) dan Computer Vision telah mendorong meningkatnya penggunaan sistem deteksi wajah dalam berbagai bidang, seperti keamanan, absensi digital, autentikasi biometrik, dan sistem monitoring. Salah satu metode yang masih banyak digunakan untuk deteksi wajah adalah Haar Cascade Classifier karena memiliki keunggulan dalam kecepatan pemrosesan dan kebutuhan komputasi yang relatif rendah dibandingkan metode berbasis deep learning. Implementasi metode ini umumnya dilakukan menggunakan OpenCV, sebuah library open source yang mendukung pengolahan citra dan video secara real-time. Meskipun demikian, performa Haar Cascade sangat dipengaruhi oleh konfigurasi parameter yang digunakan, sehingga sering ditemukan masalah berupa penurunan akurasi deteksi, munculnya false positive, serta keterlambatan proses deteksi pada kondisi pencahayaan, jarak wajah, dan tingkat noise yang berbeda. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk menganalisis dan mengoptimalkan parameter scaleFactor, minNeighbors, dan minSize pada algoritma Haar Cascade guna memperoleh kombinasi parameter yang mampu menghasilkan keseimbangan terbaik antara akurasi deteksi dan kecepatan pemrosesan (Frame Per Second/FPS). Penelitian menggunakan metode kuantitatif eksperimental dengan melakukan pengujian berbagai kombinasi parameter pada sistem deteksi wajah berbasis OpenCV. Data diperoleh melalui pengambilan citra dan video wajah menggunakan webcam dengan variasi kondisi pencahayaan, jarak, dan noise. Hasil pengujian akan dianalisis menggunakan indikator performa berupa akurasi, precision, recall, dan FPS. Penelitian ini memiliki kebaruan pada fokus optimasi parameter internal Haar Cascade yang masih jarang dibahas secara mendalam dalam penelitian sebelumnya. Sebagian besar penelitian terdahulu hanya berfokus pada implementasi algoritma atau optimasi praproses citra, tanpa melakukan analisis komprehensif terhadap pengaruh parameter deteksi. Oleh karena itu, hasil penelitian diharapkan dapat memberikan rekomendasi konfigurasi parameter Haar Cascade yang optimal serta menjadi referensi bagi pengembangan sistem deteksi wajah real-time yang lebih cepat, akurat, dan efisien pada berbagai aplikasi berbasis computer vision.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | Pembimbing : Rozali Toyib, S. Kom., M.Kom. |
| Uncontrolled Keywords: | Haar Cascade Classifier, Deteksi Wajah, OpenCV, Optimasi Parameter, Computer Vision. |
| Subjects: | Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Divisions: | 02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Depositing User: | Mrs Atika Ledia Anggraini |
| Date Deposited: | 27 Aug 2026 03:33 |
| Last Modified: | 27 Aug 2026 03:33 |
| URI: | http://repository.umb.ac.id/id/eprint/3483 |
Actions (login required)
 |
View Item |