Rancang bangun Sistem Presensi Menggunakan Face Recognition dengan Metode Eigenface
Abstract
Sistem presensi merupakan suatu kegiatan yang dilakukan oleh karyawan suatu perusahaan untuk membuktikan bahwa dirinya hadir dalam melaksanakan pekerjaan. Beberapa perusahaan masih menggunakan sistem presensi secara manual, saat ini sudah menggunakan teknologi biometrik. Teknologi biometrik adalah teknologi pengenalan individu yang didasarkan pada ciri khusus fisik. Contoh teknologi biometrik adalah face recognition. Face recognition didukung dengan proses dan perangkat tambahan seperti proses pengolahan citra, penambahan library Python berupa OpenCV, metode untuk melakukan pengenalan wajah berupa metode Eigenface, penggunaan MySQL sebagai media database dari sistem dan penambahan software PyQT yang digunakan untuk pembuatan GUI dari sistem. Untuk merancang dan merealisasikan sistem presensi menggunakan face recognition dibutuhkan parameter berupa receiver operating characteristic (ROC) untuk mendapatkan nilai sensitivitas atau true positive rate (TPR) yaitu nilai citra yang dapat teridentifikasi dengan benar, nilai kekhususan atau false positive rate (FPR) yang menunjukkan tingkat kesalahan dalam melakukan proses identifikasi dan nilai akurasi yang menunjukkan nilai tingkat kecocokan pada proses identifikasi. Pengujian dilakukan dengan beberapa metode seperti pengujian dalam keadaan normal, perubahan ekspresi, penggunaan aksesoris, penggunaan foto dan pengujian pada user tidak teregistrasi. Sehingga didapatkan nilai sensitivitas atau true positive rate (TPR) sebesar 96,53%, nilai kekhususan atau false positive rate (FPR) sebesar 1,21% dan nilai akurasi sebesar 86,32%.
Keywords
Full Text:
PDFReferences
Triatmoko, A.H. dkk. Juni 2014. Penggunaan Metode Viola-Jones dan Algoritma Eigen Eyes dalam Sistem Kehadiran Pegawai. Jurnal EECCIS Vol. 8 No. 1.
Harjoseputro, Y. dkk. Juli 2015. Perbandingan Waktu dan Tingkat Akurasi pada Pengenalan Wajah dengan dan Tanpa Menggunakakn Dekomposisi Citra. Jurnal JUTI Vol. 13 No. 2. Hal. 160-171.
Anbarjafari, G. Januari 2014. Digital Image Processing. [26 April 2018] https://sisu.ut.ee/imageprocessing/book/1.
Puri, F.T. 2011. Analisis Algoritma Eigenface (Pengenalan Wajah) pada Aplikasi Kehadiran Pengajaran Dosen. Skripsi Mahasiswa Teknik Informatika Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Wiryadinata, Romi. Dkk. Mei 2017. Sistem Presensi Menggunakan Algoritme Eigenface dengan Deteksi Aksesoris dan Ekspresi Wajah. Jurnal JNTETI Vol. 6 No. 2.
Ghaffur, Taufiq Abdul dan Nurkhamid. Mei 2017. Analisis Kualitas Sistem Informasi Kegiatan Sekoalah Berbasis Mobile Web di SMK Negeri 2 Yogyakarta. Jurnal Elinvo (Electronic, Informatics and Vocational Education) Vol. 2 No.1. Hal. 94-101.
Dinata, A. 2017. Physical Computing dengan Raspberry Pi. Jakarta: PT. Elex Media Komputindo.
OpenCV Team. ©2018. About OpenCV. [26 April 2018]. https://opencv.org/about.html.
DOI: http://dx.doi.org/10.36055/setrum.v7i2.3842
Refbacks
- There are currently no refbacks.