<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="10185">
 <titleInfo>
  <title>Pemanfaatan Citra Dalam Pendeteksian Bentuk Wajah Manusia</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Fitriyana Damanik</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>1455301030</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Pekanbaru</placeTerm>
   <publisher>Perpustakaan Politeknik Caltex Riau</publisher>
   <dateIssued>2018</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>xiv, 79hlm.; ilus.: 21cm</extent>
 </physicalDescription>
 <note>Bentuk wajah manusia memiliki karakteristik masing-masing, karena dipengaruhi oleh beberapa faktor diantaranya seperti tulang pipi, hidung, rahang, mulut, dagu, mata, dahi. Beberapa kajian penelitian, bentuk wajah dikelompokkan ke dalam 6 bentuk: oval, round, oblong, square, heart, dan diamond. Identifikasi bentuk wajah dapat digunakan dalam kebutuhan industri Fashion. Identifikasi bentuk wajah dilakukan menggunakan computer vision. IP Camera digunakan untuk menangkap wajah manusia di dalam ruangan yang terkondisi. Hasil tangkapan bentuk wajah manusia kemudian dilakukan konversi ke dalam ruang warna YCbCr untuk memisahkan bagian wajah dengan background. Perhitungan piksel dilakukan citra untuk mengetahui nilai tinggi dan lebar wajah yang digunakan pada ekstraksi ciri. Algoritma k-Nearest Neighbor digunakan untuk mengelompokkan bentuk wajah. Hasil penelitian menunjukkan bahwa penggunaan algoritma k-Nearest Neighbor dengan metode ekstraksi ciri bentuk wajah yang diusulkan mencapai hasil prediksi sekitar 83.93% sampai dengan 85.43%. Nilai akurasi tersebut menunjukkan tingkat keberhasilan ketepatan label data uji yang dikelompokkan dengan tepat sesuai label sebenarnya. Dengan tingkat akurasi sistem sekitar 83.93% sampai dengan 85.43% dapat digunakan untuk melakukan identifikasi bentuk wajah manusia ke dalam 6 bentuk yaitu oval, round, oblong, square, heart, dan diamond. &#13;
Kata kunci: Bentuk wajah manusia, IP Camera, Pengukuran Piksel, Ekstraksi Ciri, klasifikasi k-Nearest Neighbor</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>PA Teknologi Informatika</topic>
 </subject>
 <classification>PA TI</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Politeknik Caltex Riau Politeknik Caltex Riau</physicalLocation>
  <shelfLocator>PA TI</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">PA1455301030</numerationAndChronology>
    <sublocation>Perpustakaan PCR (R)</sublocation>
    <shelfLocator>PA TI</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals/>
 <recordInfo>
  <recordIdentifier>10185</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2019-05-24 16:34:59</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2019-05-24 16:35:30</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>