Perancangan sistem pengenalan wajah menggunakan Haar Cascade, LBPH, KNN, DAN SVM

Buku Perancangan Sistem Pengenalan Wajah Menggunakan Haar Cascade, LBPH, KNN, dan SVM menyajikan panduan komprehensif dan bertahap mengenai cara komputer mendeteksi dan mengenali wajah manusia, mulai dari teori dasar hingga implementasi aplikasi nyata. Alih-alih langsung melompat ke metode deep learning yang berat, buku ini sengaja memilih pendekatan visi komputer klasik untuk membangun fondasi pemahaman yang kuat, khususnya bagi pemula, mahasiswa, dan pengembang yang ingin belajar dari dasar tanpa harus dikejar-kejar oleh rumus matematika yang rumit. Secara garis besar, buku ini membongkar mitos bahwa teknologi pengenalan wajah adalah sebuah keajaiban dan mendemonstrasikan bahwa sistem ini bekerja melalui serangkaian langkah operasional yang sangat logis. Sinopsis alur pembelajaran dalam buku ini meliputi: • Dasar Pengolahan Citra dan Visi Komputer: Buku ini dimulai dengan tahap "membersihkan bahan baku" melalui pengolahan citra digital, seperti konversi grayscale, perbaikan kontras (histogram), dan pemotongan area objek agar citra mentah menjadi data yang konsisten dan siap dibaca oleh algoritma. • Deteksi Wajah: Pembaca diajak untuk memahami bagaimana sistem menemukan lokasi wajah di dalam gambar menggunakan Haar Cascade. Metode ini bekerja dengan sangat cepat memindai pola terang-gelap sederhana pada wajah (seperti area mata yang cenderung lebih gelap dari dahi) dengan bantuan struktur klasifikasi bertingkat (cascade classifier). • Ekstraksi Fitur: Setelah wajah terdeteksi dan dipotong, sistem perlu mengenali teksturnya. Buku ini menggunakan Local Binary Pattern (LBP) untuk menerjemahkan tekstur lokal wajah menjadi kode biner, yang kemudian dirangkum ke dalam bentuk Local Binary Pattern Histogram (LBPH) untuk menghasilkan vektor fitur angka yang mewakili keseluruhan struktur wajah. • Klasifikasi Identitas: Untuk menjawab "wajah siapa ini?", buku ini membandingkan dua algoritma klasifikasi machine learning: K-Nearest Neighbors (KNN) yang