PERANCANGAN SISTEM PENGENALAN WAJAH UNTUK PRESENSI KEHADIRAN MENGGUNAKAN ALGORITMA LOCAL BINARY PATTERN HISTOGRAM (LBPH)

Maulana, Muhammad Rasyid (2022) PERANCANGAN SISTEM PENGENALAN WAJAH UNTUK PRESENSI KEHADIRAN MENGGUNAKAN ALGORITMA LOCAL BINARY PATTERN HISTOGRAM (LBPH). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (884kB)
	Text (BAB I) BAB I.pdf Download (150kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (424kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (169kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (851kB)
	Text (BAB V) BAB V.pdf Download (62kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (86kB)
	Text (PUBLIKASI) Publikasi 17.83.0080 Muhammad Rasyid Maulana.pdf Restricted to Repository staff only Download (629kB)

Abstract

Sistem pengenalan wajah saat ini memiliki peningkatan dalam dunia teknologi biometrik, penggunaan sistem pengenalan wajah dapat mudah ditemui pada aplikasi yang diterapkan seperti login windows dan smartphone, sehingga dengan adanya sistem ini wajah akan dikenali dari berbagai faktor pada proses pendataan wajah yang akan digunakan untuk sistem presensi wajah dan dapat menjadi salah satu alternatif presensi kehadiran dengan pengenalan wajah. Tujuan dari perancangan ini adalah sebagai dukungan wajah untuk menggantikan presensi manual. Sistem presensi wajah memiliki beberapa faktor dalam pendeteksian dan pengenalan wajah, yaitu jarak dari wajah pada webcam, intensitas cahaya, dan jumlah wajah yang akan dideteksi dan dikenali. Dengan menggunakan library OpenCV pada pemrograman python untuk membangun sistem presensi wajah dan menggunakan Haar Cascade yang akan mengidentifikasi wajah serta menerapkan algoritma Local Binary Pattern Histogram sebagai metode dalam proses pengidentifikasian wajah. Data dari identifikasi dan deteksi wajah ini dapat memudahkan perancangan yang akan digunakan pada sistem presensi wajah, hasil presensi wajah akan disimpan dalam bentuk file Excel. Berdasarkan jarak wajah dengan 4 tahapan pengujian mendapatkan hasil akurasi sebanyak 75%, berdasarkan posisi wajah dengan 4 tahapan pengujian mendapatkan hasil akurasi sebanyak 20%, berdasarkan intensitas cahaya dengan 5 tahapan pengujian mendapatkan hasil akurasi sebanyak 60%, berdasarkan atribut wajah dengan 4 tahapan pengujian mendapatkan hasil akurasi sebanyak 75%, berdasarkan banyaknya wajah dengan 3 tahapan pengujian berhasil terdeteksi namun tidak dapat mengidentifikasi wajah.

Actions (login required)

View Item