Aplikasi SmartPresensi Menggunakan Multiple Face Recognition

Nazruddin Safaat Harahap, Novri Kurniawan Kurniawan

Abstract


Universitas Islam Negeri Sultan Syarif Kasim Riau memiliki Fakultas Sains dan Teknologi yang telah menggunakan Aplikasi SmartPresensi untuk mengisi kehadiran pada beberapa mata kuliah. Terdapat beberapa kekurangan dari Aplikasi ini yaitu tidak semua mahasiswa memiliki Android dan koneksi internet, Multiple face Recognition dapat menutupi kekurangan tersebut. Seluruh wajah mahasiswa pada satu kelas disimpan ke server menggunakan aplikasi dan dosen membuat data latih pada awal pertemuan mata kuliah. Dosen menggunakan Multi-face Recognition untuk mengisi daftar kehadiran secara otomatis dengan cara mengambil foto seluruh wajah mahasiswa, setelah itu wajah dideteksi, diidentifikasi dan mengisi kehadiran setelah divalidasi dosen dengan cara membandingkan wajah yang ada dibasisdata. OpenCV adalah library open source yang digunakan untuk pemrosesan gambar. Histogram Oriented Gradients adalah metode yang digunakan untuk deteksi wajah atau face detection. Face Recognition adalah package python yang digunakan untuk pengenalan wajah. Aplikasi diuji menggunakan 2 skenario serta 5 parameter dengan durasi prediksi 40 sampai 80 detik. Skenario cukup cahaya dengan tingkat pencahayaan adalah 83 lux dan maksimal 390 lux menghasilkan akurasi yang tinggi pada jarak 2 sampai 3 meter dengan akurasi 87,5% sampai 94,1%. Atribut wajah kacamata dan kumis jenggot menghasilkan 93,7% dan 100%. Pada atribut gaussian blur aplikasi memiliki akurasi tinggi pada skala 1 dan 2. Skenario kurang cahaya dengan tingkat pencahayaan adalah 23 lux dan maksimal 151 lux menghasilkan akurasi yang tinggi pada jarak 2 sampai 3 meter dengan akurasi 87,5% sampai 93,7%. Atribut wajah kacamata dan kumis jenggot menghasilkan 93,7% dan 87,5%. Aplikasi memiliki akurasi tinggi pada skala 1 gaussian blur. 


Full Text:

PDF

References


B. A. A. dan Kemahasiswaan, “Panduan dan Informasi Akademik,” 2015, p. 200.

D. L. Baggio and dkk, Mastering OpenCV with Practical Computer Vision Projects. Birmingham B3 2PB, UK: Packt Publishing Ltd., 2012.

A. Geitgey, “face_recognition,” Github.com, 2020. [Online]. Available: https://github.com/ageitgey/face_recognition. [Accessed: 16-Dec-2019].

A. Dinda, B. Sudirman, Y. A. Sari, and F. Utaminingrum, “Pengenalan Wajah dengan Pose Unik menggunakan Metode Learning Vector Quantization,” vol. 3, no. 1, pp. 884–891, 2019.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU

Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id