Sistem Absensi Berbasis Pengenalan Wajah

Andrew Febrian Miyata; Hartono Pranjoto

doi:10.34148/teknika.v11i1.424

Andrew Febrian Miyata Program Studi Teknik Elektro, Universitas Katolik Widya Mandala Surabaya, Jawa Timur
Hartono Pranjoto Program Studi Teknik Elektro, Universitas Katolik Widya Mandala Surabaya, Jawa Timur

DOI: https://doi.org/10.34148/teknika.v11i1.424

Keywords: Kecerdasan Buatan, Pengenalan Wajah, Absensi, Visualisasi Citra Digital, Euclidean Distance

Abstract

Virus COVID-19 menyebar melalui droplet dari mulut dan hidung yang dapat menyebar melalui sentuhan. Sistem absensi yang biasa digunakan berbasis sentuhan seperti sidik jari maupun Radio-frequency identification (RFID). Untuk mengurangi penyebaran virus COVID-19 diperlukan absensi yang tidak berbasis sentuhan, karena itu dipilih sistem absensi menggunakan wajah. Untuk dapat mengenali wajah dibutuhkan metode guna mendeteksi keberadaan wajah, kemudian mendapatkan data orthoghonal dari wajah. Data orthogonal dari 2 foto orang yang sama akan memiliki kesamaan 60-80%, sedangkan orang yang berbeda akan dibawah 60%. Program mempunyai akurasi 95% saat melihat orang yang terdaftar pada database namun akurasi berkurang saat melihat orang yang tidak terdapat pada database menjadi sebesar 80% saat dilakukan uji coba menggunakan 20 orang yang tidak terdaftar. Lebih susah bagi sistem untuk mengenali bahwa orang tersebut tidak terdaftar karena apabila batas bawah kecocokan ditingkatkan akan berpengaruh dengan kemampuan sistem mendeteksi wajah orang yang terdaftar. Untuk meningkatkan akurasi dapat dilakukan dengan cara memiliki database foto resolusi tinggi, pencahayaan mencerminkan ruangan yang digunakan untuk absensi, dan menggunakan gambar terbaru.

Downloads

Download data is not yet available.

References

CDC, “Basics of COVID-19,” 2021. https://www.cdc.gov/coronavirus/2019-ncov/your-health/about-covid-19/basics-covid-19.html.

T. P. Velavan and C. G. Meyer, “The COVIDâ€19 epidemic,” Trop. Med. Int. Heal., vol. 25, no. 3, pp. 278—280, Mar. 2020, doi: 10.1111/tmi.13383.

L. Yang et al., “COVID-19: immunopathogenesis and Immunotherapeutics,” Signal Transduct. Target. Ther., vol. 5, no. 1, p. 128, Dec. 2020, doi: 10.1038/s41392-020-00243-2.

M. Aritonang, I. D. Hutahaean, H. Sipayung, and I. H. Tambunan, “Implementation of Fingerprint Recognition Using Convolutional Neural Network and RFID Authentication Protocol on Attendance Machine,” ACM Int. Conf. Proceeding Ser., pp. 151—156, 2020, doi: 10.1145/3397391.3397449.

A. M. Bangun, “Implementasi Kebijakan Sistem Absensi Elektronik Sidik Jari (Fingerprint) dalam Meningkatkan Kedisiplinan Pegawai pada Dinas Pekerjaan Umum dan Penataan Ruang Kabupaten Karo,” 2020.

Md. M. Rahman, T. I. MishuI, Md. S. Islam, and Md. S. Akanda, “Implement Fingerprint Authentication for Employee Automation System,” Int. J. Innov. Res. Inf. Secur. Issue, vol. 4, no. 9, 2017, doi: 10.26562/IJIRIS.2017.SPIS10080.

H. Limanseto, “Pemerintah Siapkan New Normal, Herd Immunity Jadi Syarat Utama,” Kementerian Koordinator Bidang Perekonomian, 2021. https://ekon.go.id/publikasi/detail/3351/pemerintah-siapkan-new-normal-herd-immunity-jadi-syarat-utama.

“NVIDIA Jetson Nano Developer Kit Specification,” 2020.

A. Priadana and M. Habibi, “Face Detection using Haar Cascades to Filter Selfie Face Image on Instagram,” in 2019 International Conference of Artificial Intelligence and Information Technology (ICAIIT), Mar. 2019, pp. 6—9, doi: 10.1109/ICAIIT.2019.8834526.

T. Mantoro, M. A. Ayu, and Suhendi, “Multi-Faces Recognition Process Using Haar Cascades and Eigenface Methods,” in 2018 6th International Conference on Multimedia Computing and Systems (ICMCS), May 2018, pp. 1—5, doi: 10.1109/ICMCS.2018.8525935.