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

Authors

  • Tutus Lusni Pratama Universitas Nusantara PGRI Kediri Indonesia
  • Made Ayu Dusea Widyadara Universitas Nusantara PGRI Kediri Indonesia
  • Julian Sahertian Universitas Nusantara PGRI Kediri Indonesia

DOI:

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.

Keywords:

Pandemi covid-19, Presensi, Local Binary Pattern Histogram, Eigenface

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

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.

Downloads

Published

2021-08-06

Issue

Vol. 5 No. 1 (2021): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2021

Section

Articles

License

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

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Perbandingan Pengenalan Wajah Dengan Metode Local Binary Pattern Histogram Dan Eigenface Untuk Presensi. (2021). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 5(1), 255-269. https://doi.org/10.29407/inotek.v5i1.957