Open Journal Systems

Sistem Presensi Kelas Berbasis Pengenalan Wajah Menggunakan Metode CNN

       Dianthika Puteri Andini, YB Gunawan Sugiarta, Trisno Yuwono Putro, Ryan Dwi Setiawan

Abstract


Artikel ini mengusulkan sistem presensi kelas berbasis pengenalan wajah. Metode yang diterapkan adalah Convolutional Neural Network (CNN) dengan keterbaruan adalah penyajian dalam file Ms. Excel secara langsung. Metode ini dapat digunakan untuk melakukan proses ekstraksi fitur dari citra dan mengklasifikasikan citra. Aplikasi dirancang menggunakan Graphical User Interface (GUI) untuk pengisian presensi mahasiswa. Pada tampilan dapat digunakan untuk melakukan registrasi secara langsung untuk pembuatan dataset dan model. Perangkat keras sistem terdiri dari kamera, minicomputer, dan LCD. Cara kerja sistem keseluruhan meliputi registrasi, preprocessing, pengenalan citra wajah, dan hasil output identitas mahasiswa. Hasil pengujian menunjukkan bahwa sistem ini memiliki nilai akurasi 85% dan jumlah epoch 40. Waktu dalam proses pengenalan yaitu 3 hingga 9 detik dengan jarak wajah dari kamera 30-50 cm. Sistem bekerja maksmimal jika digunakan pada ruangan dengan pencahayaan berlampu terang. Sudut maksimal wajah menghadap kamera sebesar 10 derajat.


  http://dx.doi.org/10.31544/jtera.v7.i2.2022.315-322

Keywords


pengenalan wajah; daftar hadir; Convolutional Neural Network (CNN)

Full Text:

  PDF

References


E. Indra, M. Batubara, M. Yasir, and S. Chau, “Desain dan Implementasi Sistem Absensi Mahasiswa Berdasarkan Fitur Pengenalan Wajah dengan Menggunakan Metode Haar-Like Feature,” Jurnal Teknologi Dan Ilmu Komputer Prima, vol. 2, no. 2, 2019.

R. Firliana, “Aplikasi Informasi Absensi Mahasiswa dan Dosen,” Journal of Computer and Information Technology, vol. 2, no. 2, 2019.

M. Yusuf, R. V. H. Ginardi, and A. S. Ahmadiyah, “Rancang Bangun Aplikasi Absensi Perkuliahan Mahasiswa dengan Pengenalan Wajah,” Jurnal Teknik ITS, vol. 5, no. 2, 2016.

F. Fandiansyah, J. Y. Sari, and I. P. Ningrum, “Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan K-Nearest Neighbor,” Ultimatics, vol. 9, no. 1, 2017.

R. D. Nurfita and G. Ariyanto, “Implementasi Deep Learning Berbasis Tensorflow untuk Pengenalan Sidik Jari,” Emitor: Jurnal Teknik Elektro, vol. 18, no. 1, 2018.

Z. Muarifin, D. Darlis, and A. Novianti, “Perencanaan dan Implementasi Image Processing untuk Absensi Kehadiran,” e-Proceeding of Applied Science, vol. 6, no. 2, 2020.

J. Juliyansyah and B. Bayu, “Facial Recognition Implementation Using K-NN and PCA Feature Extraction in Attendance,” SinkrOn: Jurnal dan penelitian Teknik Informatika, vol. 5, no. 1, 2020.

M. Arsal, B. A. Wardijono, and D. Anggraini, “Face Recognition untuk Akses Pegawai Bank Menggunakan Deep Learning dengan Metode CNN,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 6, no. 1, 2020.

D. P. Andini, Y B. G. Sugiarta, and E. P. S. Zaelani, “Pendeteksian dan Pengenalan Citra Wajah dengan Ekstraksi Fitur Menggunakan Filter Gabor” Jurnal Teknologi Rekayasa, vol. 5, no. 2, 2020.

OpenCV, “Cascade Classifier,” [Online]. Available: https://docs.opencv.org/3.4/db/d28/tutorial_cascade_classifier.html.

A. K. Jain, Fundamentals of Digital Image Processing, PHI Learning, 1st Ed.

Pengolahan Citra, “Pengolahan Citra Digital,” [Online]. Available: http://amutiara.staff.gunadarma.ac.id.

Pyimagesearch, “Keras Conv2D and Convolutional Layer,” [Online]. Available: https://www.pyimagesearch.com/2018/12/31/keras-conv2d-and-convolutional-layers/. [Diakses 3 Mei 2021]

I W. Suartika, A. Y. Wijaya, and R. Soelaiman, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” Jurnal Teknik ITS, vol. 5, no. 1, 2016.

Stack Abuse, “Image Recognition in Python with TensorFlow and Keras,” [Online]. Available: https://stackabuse.com/image-recognition-in-python-with-tensorflow-and-keras/.

Face-rec, “Yale Face Database,” [Online]. Available: https://www.face-rec.org/database.




DOI: http://dx.doi.org/10.31544/jtera.v7.i2.2022.315-322
Abstract 957 View    PDF viewed = 627 View

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 JTERA (Jurnal Teknologi Rekayasa)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright @2016-2023 JTERA (Jurnal Teknologi Rekayasa) p-ISSN 2548-737X e-ISSN 2548-8678.

��Lisensi Creative Commons

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

JTERA Editorial Office:
Politeknik Sukabumi
Jl. Babakan Sirna 25, Sukabumi 43132, West Java, Indonesia
Phone/Fax: +62 266215417
Whatsapp: +62 81809214709
Website: https://jtera.polteksmi.ac.id
E-mail: [email protected]