Perbandingan Pengenalan Wajah Dengan Metode Local Binary Pattern Histogram Dan Eigenface Untuk Presensi
PDF

Keywords

Pandemi covid-19
Presensi
Local Binary Pattern Histogram
Eigenface

How to Cite

Pratama, T. L. ., Dusea Widyadara, M. A. ., & Sahertian, J. . (2021). Perbandingan Pengenalan Wajah Dengan Metode Local Binary Pattern Histogram Dan Eigenface Untuk Presensi. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 5(1), 255–269. https://doi.org/10.29407/inotek.v5i1.957

Abstract

Pandemi covid-19 yang terjadi di Indonesia berpengaruh besar terhadap semua sektor kehidupan antara lain pendidikan, ekonomi, dan pemerintahan. Saat pendemi inilah semua orang dituntut untuk membuat terobosan-terobosan dan penyesusaian kehidupan baru  agar pandemi covid-19 cepat berlalu. Terobosan dikala pandemi juga dapat diaplikasikan pada presensi, dimana sebelum pandemi presensi menggunakan sidik jari, maka saat pandemi tidak bisa dilakukan karena dapat menularkan virus covid-19. Sehingga diperlukan terobosan untuk melakukan presensi dimasa pandemi yaitu presensi yang menggunakan wajah manusia. Tetapi dalam pengaplikasiannya banyak metode-metode yang digunakan. Maka dibuatlah perbandingan metode untuk pengenalan wajah yaitu  Local Binary Pattern Histogram dan Eigenface. Dengan pengujian data wajah menghadap kamera, serong kanan, dan pencahayaan yang kurang kemudian dievaluasi menggunakan confusion matrix. Dari hasil evaluasi diperoleh akurasi 91% untuk Local Binary Pattern Histogram dan 79% untuk Eigenface. Kemudian hasil dari pengenalan wajah tersebut digunakan untuk presensi yang disimpan pada database MongoDB.

https://doi.org/10.29407/inotek.v5i1.957
PDF

References

Wardoyo, S., Wiryadinata, R. & Sagita, R. (2014). Sistem Presensi Berbasis Agoritma Eigenface Dengan Metode Principal Component Analysis. Sistem Kendali Tenaga Elektronika Telekomunikasi Komputer (SETRUM). vol 3. hal 61-68.

Muliawan, R. M., Irawan B., Brianorman Y. 2015. Implementasi Pengenalan Wajah Dengan Metode Eigenface Pada Sistem Absensi. Coding Jurnal Komputer dan Aplikasi , No. 1. Vol 3. http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/9727 diakses pada tanggal 24 Februari 2021.

Wibowo, W. A., Karima A., Wiktasari, Yobioktabera, A., Fahriah, S. 2020. Pendeteksian dan Pengenalan Wajah Pada Foto Secara Real Time Dengan Haar Cascade dan Local Binary Pattern Histogram. Jurnal Teknik Elektro Terapan (JTET), No. 1. Vol 9. 6-11, https://jurnal.polines.ac.id/index.php/jtet/article/download/1847 diakses pada tanggal 24 Februari 2021.

Gourier, N., Hall, D., Crowley, J. L. 2004. Dataset : Estimating Face Orientation from Robust Detection of Salient Facial Features. http://crowley-coutaz.fr/Head%20Pose%20Image%20Database.html. diakses pada tanggal 25 Mei 2021.

Jamhari, A., Wibowo, M. F. & Saputra, A. W. (2020). Perancangan Sistem Pengenalan Wajah Secara Real-Time pada CCTV dengan Metode Eigenface J. Of INISTA. vol 2. No. 2.

Mustikasari, Ghani, D. A. 2021.Analisa Performa Klasifikasi Algoritma Pada Pendeteksian Penyakit Kanker Dengan Partition Membership. Prosiding Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, No. 1. Vol X. 117-126, https://www.ejurnal.dipanegara.ac.id/index.php/sisiti/article/view/794 diakses pada tanggal 24 Mei 2021.

Creative Commons License

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

Copyright (c) 2021 Tutus Lusni Pratama, Made Ayu Dusea Widyadara, Julian Sahertian

Downloads

Download data is not yet available.