Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Segmentasi Citra Wajah dengan Implementasi Adaptif Threshold- Integral Image

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 8 No. 5 (2021) · pp. 919–928

DOI
10.25126/jtiik.2021853840
ISSN
2528-6579, 2355-7699
Published
2021-10-21
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

Segmentasi wajah merupakan bagian penting dalam pengolahan citra digital untuk mengetahui objek wajah dalam citra sebelum dilakukan pendeteksian ekspresi wajah. Adaptif Threshold – Integral Image adalah salah satu teknik segmentasi berbasis pixel-based, yaitu local thresholding. Penelitian ini bertujuan untuk memisahkan objek wajah manusia dan background -nya. Citra wajah yang akan digunakan nanti citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) dengan resolusi gambar 300x400 piksel. Pada penelitian ini juga mencari nilai parameter S (kernel) dan T (threshold) yang terbaik dengan melakukan 16 kali percobaan. Dan didapatkan hasil terbaik, yaitu citra di dalam ruangan (indoor) nilai S=1/2 dan T=50, serta citra di luar ruangan (outdoor) nilai S=1/30 dan T=30. Segmentasi citra wajah dengan menggunakan metode Adaptif Threshold – Integral Image robust (kuat) terhadap intensitas cahaya tinggi dan rendah dengan mengatur nilai parameter S (kernel) dan T (Threshold) maka metode ini mampu memisahkan objek wajah dan background -nya. Dari hasil uji coba threshold menggunakan metode Adaptif Threshold – Integral Image terhadap citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) menghasilkan thresholding yang baik dengan mempertimbangkan nilai parameter S (kernel) dan T (threshold) memberikan hasil dengan tingkat akurasi yang tinggi, yaitu citra di dalam ruangan (indoor) sebesar 96.72%, dan citra di luar ruangan (outdoor) sebesar 93.59%. AbstractFace segmentation is an important in digital image processing to find out the object's face in the image before detecting facial expressions. Adaptive Threshold - Integral Image is a pixel-based segmentation technique, which is local thresholding. This study is intended to split the object of a human face and its background. Face images that will be used later in indoor and outdoor with an image resolution of 300x400 pixels. This study also searched for the best S (kernel) and T (threshold) parameter values by performing 16 experiments. And the best results are obtained, name the image in the room (indoor) the value of S = 1/2 and T = 50, and the image outside the room (outdoor) the value of S = 1/30 and T = 30. Face image segmentation using the Adaptive Threshold - Integral Image robust method of high and low light intensity by setting the S (kernel) and T (Threshold) parameter values, this method is able to split the face object and its background. From the results of the threshold trial using the Adaptive Threshold - Integral Image method for indoor and outdoor images produces a good thresholding by considering the values of the S (kernel) and T (threshold) parameters to give results with a high degree of accuracy, that is indoor images of 96.72%, and outdoor images of 93.59%.

Collaboration network of the authors

2 authors · 1 co-authorship link

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Adhi Tama Surabaya
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Segmentasi Citra Wajah dengan Implementasi Adaptif Threshold- Integral Image</dc:title>
	<dc:creator xml:lang="id">Habibah, Maryam Ummul</dc:creator>
	<dc:creator xml:lang="id">Kurniawan, Muchamad</dc:creator>
	<dc:description xml:lang="id">Segmentasi wajah merupakan bagian penting dalam pengolahan citra digital untuk mengetahui objek wajah dalam citra sebelum dilakukan pendeteksian ekspresi wajah. Adaptif Threshold – Integral Image adalah salah satu teknik segmentasi berbasis pixel-based, yaitu local thresholding. Penelitian ini bertujuan untuk memisahkan objek wajah manusia dan background -nya. Citra wajah yang akan digunakan nanti citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) dengan resolusi gambar 300x400 piksel. Pada penelitian ini juga mencari nilai parameter S (kernel) dan T (threshold) yang terbaik dengan melakukan 16 kali percobaan. Dan didapatkan hasil terbaik, yaitu citra di dalam ruangan (indoor) nilai S=1/2 dan T=50, serta citra di luar ruangan (outdoor) nilai S=1/30 dan T=30. Segmentasi citra wajah dengan menggunakan metode Adaptif Threshold – Integral Image robust (kuat) terhadap intensitas cahaya tinggi dan rendah dengan mengatur nilai parameter S (kernel) dan T (Threshold) maka metode ini mampu memisahkan objek wajah dan background -nya. Dari hasil uji coba threshold menggunakan metode Adaptif Threshold – Integral Image terhadap citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) menghasilkan thresholding yang baik dengan mempertimbangkan nilai parameter S (kernel) dan T (threshold) memberikan hasil dengan tingkat akurasi yang tinggi, yaitu citra di dalam ruangan (indoor) sebesar 96.72%, dan citra di luar ruangan (outdoor) sebesar 93.59%. AbstractFace segmentation is an important in digital image processing to find out the object's face in the image before detecting facial expressions. Adaptive Threshold - Integral Image is a pixel-based segmentation technique, which is local thresholding. This study is intended to split the object of a human face and its background. Face images that will be used later in indoor and outdoor with an image resolution of 300x400 pixels. This study also searched for the best S (kernel) and T (threshold) parameter values by performing 16 experiments. And the best results are obtained, name the image in the room (indoor) the value of S = 1/2 and T = 50, and the image outside the room (outdoor) the value of S = 1/30 and T = 30. Face image segmentation using the Adaptive Threshold - Integral Image robust method of high and low light intensity by setting the S (kernel) and T (Threshold) parameter values, this method is able to split the face object and its background. From the results of the threshold trial using the Adaptive Threshold - Integral Image method for indoor and outdoor images produces a good thresholding by considering the values of the S (kernel) and T (threshold) parameters to give results with a high degree of accuracy, that is indoor images of 96.72%, and outdoor images of 93.59%.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2021-10-21</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/3840</dc:identifier>
	<dc:identifier>10.25126/jtiik.2021853840</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 8 No 5: Oktober 2021; 919-928</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 8 No. 5: Oktober 2021; 919-928</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.202185</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/3840/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2021 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>