salim, agus (2023) KLASIFIKASI WAJAH LELAH DAN TIDAK LELAH PADA MAHASISWA PENDIDIKAN VOKASIONAL TEKNIK ELEKTRO MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM). S1 thesis, UNIVERSITAS SULTAN AGENG TIRTAYASA.

	Text AGUS SALIM_2283160008_Fulltext.pdf Restricted to Registered users only Download (4MB)
	Text AGUS SALIM_2283160008_CP.pdf Restricted to Registered users only Download (147kB)
	Text AGUS SALIM_2283160008_01.pdf Restricted to Registered users only Download (1MB)
	Text AGUS SALIM_2283160008_02.pdf Restricted to Registered users only Download (376kB)
	Text AGUS SALIM_2283160008_05.pdf Restricted to Registered users only Download (72kB)
	Text AGUS SALIM_2283160008_03.pdf Restricted to Registered users only Download (1MB)
	Text AGUS SALIM_2283160008_04.pdf Restricted to Registered users only Download (1MB)
	Text AGUS SALIM_2283160008_Ref.pdf Restricted to Registered users only Download (141kB)
	Text AGUS SALIM_2283160008_Lamp.pdf Restricted to Registered users only Download (847kB)

Abstract

This study developed an accuracy system for the classification of tired faces using a Support Vector Machine to produce a classification system for tired faces in Vocational Education students in Electrical Engineering, Teaching, and Education Faculty, at Sultan Ageng Tirtayasa University. The more sophisticated the devices for capturing a still or moving image, the captured image is not just a document. But it can be used for other more useful things, such as identifying various written characters, geometric shapes, human faces, eyes, and other image forms. One device that can produce images is a digital camera. And with digital image processing, the identification of various captured images can be carried out. The facial image is taken with a digital camera and processed by image processing with Matlab. Digital image processing is used to extract facial features and facial texture. This research is divided into 2 faces, namely tired and non-tired faces. Before carrying out the classification process, the first step of the analytical procedure carried out in this study was manual cropping to obtain the required image. The second step is to perform feature extraction of the image data to be tested. The feature extraction used as input to the system to be built in this study uses the mean, standard deviation, skewness, and kurtosis. The final step is to carry out an identification test and classify tired faces into two classes using the Support Vector Machine (SVM). The results of this test were obtained through the Weka application with a presentation of 56%, a classification of tired and non-tired faces with an error of 45%.

Item Type:	Thesis (S1)
Contributors:	Contribution Contributors NIP/NIM Thesis advisor PERMATA, ENDI 19780614 200501 1 002 Thesis advisor IRWANTO, IRWANTO 201808032163
Additional Information:	Penelitian ini mengembangkan sistem akurasi klasifikasi wajah kelelahan Menggunakan Support Vector Machine bertujuan untuk menghasilkan suatu sistem klasifikasi tentang wajah lelah pada mahasiswa Pendidikan Vokasional Teknik Elektro Fakultas Keguruan dan Ilmu Pendidikan Universitas Sultan Ageng Tirtayasa. Semakin canggihnya perangkat untuk meng-capture suatu citra diam maupun bergerak, menjadikan citra hasil capture tidak hanya sekedar menjadi dokumen semata. Tapi dapat digunakan untuk hal-hal lain yang lebih bermanfaat seperti, indentifikasi berbagai karakter tulisan, bangun geometri, wajah manusia, mata dan bentuk citra lainnya. Salah satu perangkat yang dapat menghasilkan citra adalah kamera digital. Dan dengan pengelohan citra digital, identifikasi berbagai citra hasil capture dapat dilakukan. Citra wajah diambil dengan kamera digital dan diolah image processing dengan Matlab. Pemrosesan citra digital digunakan untuk mengekstrak fitur wajah dan tekstur wajah.Penelitian ini dibagi menjadi 2 wajah yaitu wajah lelah dan tidak lelah. Sebelum melakukan proses klasifikasi, langkah pertama dari prosedur analisis yang dilakukan pada penelitian ini adalah cropping manual untuk mendapatkan citra yang dibutuhkan. Langkah kedua, melakukan ekstraksi ciri terhadap citra data yang akan diuji. Ekstraksi ciri yang digunakan sebagai masukkan pada sistem yang akan dibangun pada penelitian ini menggunakan nilai rata-rata (mean), simpangan baku (standard deviation), kemencengan (skewness), keruncingan (kurtosis). Langkah terakhir adalah melakukan uji identifikasi dan mengklasifikasi wajah lelah kedalam dua kelas menggunakan Support Vector Machine (SVM) hasil uji ini didapatkan melalui aplikasi weka dengan presentasi 56% klasifikasi wajah lelah dan tidak lelah dengan eror 45%.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	02-Fakultas Keguruan dan Ilmu Pendidikan 02-Fakultas Keguruan dan Ilmu Pendidikan > 83201-Jurusan Pendidikan Vokasional Teknik Elektro
Depositing User:	Mr Agus Salim
Date Deposited:	27 Jan 2023 09:42
Last Modified:	27 Jan 2023 09:42
URI:	http://eprints.untirta.ac.id/id/eprint/20302

Actions (login required)

View Item