JUDUL:

PERANCANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN HAAR CASCADE, LBPH, KNN, DAN SVM

PENULIS:

Agustiyar 
R. Rizal Isnanto
Catur Edi Widodo

SINOPSIS:

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 menentukan identitas berdasarkan kemiripan/kedekatan jarak fitur dengan data wajah di memori, dan Support Vector Machine (SVM) yang bekerja dengan mencari batas pemisah (garis keputusan) terbaik antarkelas identitas.
•    Evaluasi dan Implementasi: Teori tersebut langsung dipraktikkan menggunakan Python, OpenCV, dan Scikit-learn. Pembaca juga diajarkan cara menguji keandalan model secara ilmiah menggunakan metrik evaluasi seperti accuracy, precision, recall, dan membaca pola kesalahan melalui confusion matrix.
•    Pembuatan Aplikasi: Sebagai puncak pembelajaran, buku ini memandu pembaca untuk menyulap kode eksperimen menjadi produk nyata, yaitu aplikasi real-time (mengenali wajah secara langsung lewat webcam) dan aplikasi web berbasis Flask di mana pengguna bisa mengunggah foto untuk diprediksi.
Pada bagian penutup, penulis secara objektif memaparkan keterbatasan metode klasik, seperti kelemahannya saat menghadapi wajah yang tertutup masker, posisi wajah yang terlalu miring, atau pencahayaan ekstrem, serta memberikan wawasan mengenai arah pengembangan masa depan menuju teknologi deep learning. Singkatnya, buku ini adalah jembatan yang ideal antara teori pengenalan pola dan pembuatan aplikasi sungguhan, mengubah konsep abstrak menjadi sistem yang benar-benar bisa dijalankan oleh pembacanya.