Optimasi Klasifikasi Gender Berdasarkan Citra Wajah Menggunakan OD-LBP

Abstract

Skripsi ini mempersembahkan tentang penelitian di bidang Computer Vision yang bertujuan untuk menggabungkan dua metode ekstraksi fitur, yaitu Orthogonal Difference Local Binary Pattern dan Viola Jones, dalam upaya meningkatkan klasifikasi gender menggunakan citra wajah. Orthogonal Difference Local Binary Pattern dan Viola Jones menghasilkan fitur tekstur dan geometri yang telah terbukti efektif dalam klasifikasi gender. Serta PCA digunakan untuk mengurangi dimensi fitur. Skripsi ini membahas secara rinci proses ekstraksi fitur, dan kemudian hasil fitur dan gabungan fitur digunakan untuk pemodelan klasifikasi gender dengan menggunakan algoritma Random Forest dan Backpropagation. Performa model dievaluasi dengan medote K-fold Cross Validation dan metrik akurasi dan f1-score. Hasil penelitian ini mengkonfirmasi hipotesis bahwa gabungan fitur dapat meningkatkan performa klasifikasi gender.