Belum 8
Belum 8
php/dinda
Journal of Dinda
Kelompok Keahlian Rekayasa Data
Institut Teknologi Telkom Purwokerto
Vol. 2 No. 1 (2022) 21 - 27 ISSN Media Elektronik: 2809-8064
Abstract
Every human being has unique characteristics, one of which is the face, which is a normal human feature. The
human face, of course, has distinct features that differentiate it from others, allowing it to be recognised by other
humans as well as by a machine capable of doing so. Facial recognition is closely linked to human biometrics
due to the fact that each person's face is unique information contained in it. The presence system is one example
of facial recognition technology that can be used.
The eigenface algorithm is one of the many methods used in the facial recognition process. Eigenface functions
are used to measure eigenvalue and eigenvector, which are used as facial recognition features. The image will be
represented in a vector combination that is made into a single matrix. From this single matrix, the main feature
that distinguishes one face image from another face image will be extracted. To be able to recognize and
recognise someone's face, this research includes an additional tool in the form of a web camera, also known as a
WebCam, and Visual Studio 2012 as the application to be used.
This facial recognition technology can be used by IT Telkom Purwokerto as a student attendance system. The
unsuccessful use of the previous RFID-based attendance system was one of the findings of the assessment of the
need to use technology face recognition as a student attendance system. Due to a variety of technical issues with
the attendance method, the attendance process was carried out manually using the lecturer's attendance file.
Abstrak
Setiap manusia memiliki karakter yang berbeda antara satu dengan yang lainnya, salah satunya adalah
karakteristik alami yang dimiliki oleh manusia yaitu wajah. Wajah manusia tentu saja memiliki ciri unik yang
membedakan satu dengan lainnya, sehingga dapat dikenali oleh manusia lain maupun oleh suatu sistem yang
memiliki kemampuan tersebut. Pengenalan wajah berkaitan erat dengan biometrik manusia, hal tersebut
dikarenakan terdapat informasi unik yang terkandung di dalamnya. Teknologi pengenalan wajah dapat
dimanfaatkan salah satunya pada sistem presensi kehadiran.
Banyak metode yang digunakan pada proses pengenalan wajah, salah satunya dengan menggunakan algoritma
eigenface. Eigenface berfungsi untuk menghitung eigenvalue dan eigenvector yang akan digunakan sebagai fitur
dalam melakukan pengenalan wajah. Citra akan direpresentasikan dalam sebuah gabungan vektor yang dijadikan
satu matriks tunggal. Dari matriks tunggal ini akan di ekstrasi suatu ciri utama yang membedakan antara citra
wajah satu dengan citra wajah yang lainnya. Untuk dapat mengenali dan mengidentifikasi wajah seseorang maka
pada penelitian ini diperlukan sebuah tools tambahan berupa web camera atau sering kita kenal dengan istilah
WebCam dan aplikasi yang akan digunakan adalah Visual Studio 2012.
Teknologi pengenalan wajah ini dapat dimanfaatkan oleh IT Telkom Purwokerto sebagai sistem presensi
kehadiran mahasiswa. Salah satu hasil evaluasi perlunya pemanfaatan teknologi face recognition sebagai sistem
presensi kehadiran mahasiswa dikarenakan belum optimalnya pemanfaatan sistem absensi berbasis RFID yang
sebelumnya telah digunakan, berbagai permasalahan teknis yang dihadapi oleh sistem absensi tersebut
mengakibatkan proses absensi kembali dilakukan secara manual menggunakan kertas absensi yang diberikan
oleh Dosen.
Kata kunci: Citra, Eigenface, Face recognition, Image Processing, C#, Sistem Absensi
© 2022 Jurnal DINDA
Gambar 2.1 alur kerja pengembangan waterfall yang Sistem Absensi Face Recognition
a. Fase Definisi
Pada tahapan penelitian ini, penulis melakukan «includes»
analisis sistem yang sedang berjalan, kemudian Melakukan capture
image dari webcam
dari hasil analisis tersebut didapatkan sebuah
permasalahan [9], berdasarkan permasalahan yang
ditemukan pada sistem berjalan itulah penulis
melakukan analisis terhadap kebutuhan sistem Melakukan
Melakukan login
konfirmasi absensi
yang akan dirancang, apa saja yang dibutuhkan
oleh sistem selanjutnya untuk mengatasi
«includes»
permasalahan yang dihadapi oleh sistem yang
sedang berjalan Mahasiswa
Melihat data
b. Fase Desain absensi
Pada tahapan penelitian ini, penulis mendesain
sistem basis data yang akan digunakan,
merancang UML diagram [10], serta mendesain
struktur menu dan user interface aplikasi yang
akan digunakan. Gambar 2. 3. Use Case Mahasiswa
Melakukan
registrasi
Menentukan directory
penyimpanan citra
Mengupdate data
Menambah data Menghapus data
mahasiswa
mahasiswa mahasiswa
«extends» «includes»
«extends» «extends»
«includes»
Mengelola data
mahasiswa
«includes»
Menambah data Mengupdate data Menghapus data
dosen dosen dosen
«extends»
«extends» «extends»
Gambar 2. 4. Mokeup form training citra
Mengelola data «includes»
Melakukan login
dosen
Mengelola data
kelas «includes»
«includes»
Melakukan training
citra input
λ − 2 −1 0 𝑣1 0
[ −1 λ − 2 0 ] [𝑣2 ] = [0]
0 0 λ − 3 𝑣3 0
1 −1 0 0 𝑣 1
[−1 1 0] [0] = [𝑣2 ]
0 0 0 0 𝑣3
1 −1 0 𝑣1 1
Gambar 2. 7. Citra Gambar 2. 6. Citra [0 0 0] [𝑣2 ] = [−1]
Training 1 Training 2 0 0 0 𝑣3 0
𝑣1 1
Nilai tengah (mean) [𝑣2 ] = [−1]
𝑣3 0
𝑀
1
Ψ= ∑ Γ𝑛
𝑀
𝑛=1 Untuk 𝛌𝟐 = 𝟏
1 1 1 1 2 0 1 −1 −1 0 0 𝑣1
Ψ = [0 1 0 ] + [1 2 0] [−1 −1 0] [0] = [𝑣2 ]
2 𝑣3
1 2 2 0 2 4 0 0 0 0
1 0 1 0 0 0 𝑣1 −1
Ψ = [0 1 0 ] [−1 −1 0] [𝑣2 ] = [−1]
0 2 3 0 0 1 𝑣3 0
𝑣1 −1
Untuk mendapatkan nilai eigenface, maka [𝑣2 ] = [−1]
diperlukan nilai eigenvector. Untuk mendapatkan 𝑣3 0
nilai eigenvector, maka diperlukan nilai
eigenvalue.
Untuk 𝛌𝟑 = 𝟑
Menghitung Nilai Eigenvalue (𝜆) 1 −1 0 0 𝑣1
(𝐿 − λI) = 0 𝑎𝑡𝑎𝑢 (λI − L) = 0 [−1 1 0] [0] = [𝑣2 ]
0 0 0 0 𝑣3
1 0 0 2 1 0
𝑣1 0
0 = [0 1 0 ] − [1 2 0]
[𝑣2 ] = [0]
0 0 1 0 0 3
𝑣3 0
λ−2 −1 0 Menghitung Nilai Eigenface (𝜇)
𝑑𝑒𝑡 [ −1 λ−2 0 ]=0
𝑀
0 0 λ−3
𝜇𝑖 = ∑ 𝑣𝑖𝑘 ∅𝑘
λ−2 −1 0 λ − 2 −1 𝑘=1
[ −1 λ−2 0 ] [ −1 λ − 2] = 0 𝜇 = 𝑒𝑖𝑔𝑒𝑛𝑓𝑎𝑐𝑒
0 0 λ−3 0 0 𝑣 = 𝑒𝑖𝑔𝑒𝑛𝑣𝑒𝑐𝑡𝑜𝑟
3 2 ∅ = Selisih antara 𝑡𝑟𝑎𝑖𝑛𝑖𝑛𝑔 image dengan nilai tengah
= λ − 7λ + 15λ − 9
Didapatkan hasil eigenvalue sebagai berikut : 𝑀 = Jumlah data wajah
λ1 = 3, λ2 = 1, λ3 = 3 𝜇1 = 𝑣 𝑥 ∅1
Menghitung Nilai Eigenvector (𝑣) 1 −1 0 0 1 0
Eigenvector dihasilkan dengan mensubtitusikan 𝜇1 = [−1 1 0] 𝑥 [0 0 0]
0 0 0 1 0 1
nilai eigenvalue ke dalam persamaan
0 1 0
(λI − L)v = 0 𝜇1 = [0 −1 0]
0 0 0
Untuk 𝛌𝟏 = 𝟑
𝜇2 = 𝑣 𝑥 ∅2
1 −1 0 1 0 0 𝜀1 = 2,82
𝜇2 = [−1 1 0] 𝑥 [1 1 0]
0 0 0 0 0 1
0 −1 0 0 −1 −1
𝜇2 = [−2 −1 0] 𝜀2 = |[0 1 −1]|
0 0 0 0 0 0
𝜀2 = √(0)2 + (−1)2 + (−1)2 + (0)2 + (1)2 + (−1)2 + (0)2 + (0)2 + (0)2
𝜀1 = √4
𝜀1 = 2
Karena jarak (distance) eigenface pada image 2
dengan eigenface pada testface memiliki nilai
paling kecil, maka dapat disimpulkan bahwa
testface memiliki kemiripan ciri dengan image 2.
Gambar 2. 8 Citra Testing
Semakin kecil distance eigenface antara citra uji
Menghitung selisih testface dengan nilai tengah dan citra latih, maka akan semakin sesuai citra
(mean) yang dikenali.
∅𝑛𝑒𝑤 = 𝜇𝑛𝑒𝑤 − Ψ d. Fase Pengujian
2 1 1 1 0 1 Pada tahapan penelitian ini, penulis melakukan
∅𝑛𝑒𝑤 = [1 2 1 ] − [0 1 0] proses pengujian terhadap sistem yang telah
0 2 4 0 2 3 dirancang. Responden yang digunakan adalah
mahasiswa IT Telkom Purwokerto secara acak.,
1 1 0 pengujian ini dilakukan untuk mengetahui apakah
∅𝑛𝑒𝑤 = [1 1 1] seluruh komponen pada sistem dapat berfungsi
0 0 1 dengan baik.
Gambar 3. 2. Implementasi form absensi mahasiswa Gambar 3. 4. Pengujian Menyimpan Data Absensi
Gambar 3.4 merupakan hasil pengujian sistem yang
Gambar 3.2 merupakan implementasi desain form dilakukan untuk menyimpan data absensi setelah
absensi mahasiswa. Di dalam form absensi sistem berhasil mengenali citra input mahasiswa
mahasiswa terdapat waktu yang digunakan untuk
memberikan batas waktu keterlambatan absensi 3.5 Pengujian Sistem (Batas keterlambatan absensi)
mahasiswa setiap kegiatan perkuliahan.
4. Kesimpulan
4.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan oleh
penulis, maka didapatkan kesimpulan sebagai
Gambar 3. 3. Pengujian Sitem Mengenali Wajah berikut :
1. Sistem absensi mahasiswa dengan menerapkan
Gambar 3.3 merupakan hasil pengujian sistem yang teknologi face recognition dapat berfungsi
dilakukan dengan wajah tanpa ekspresi, didapatkan dengan baik, sistem dapat mengenali wajah
hasil bahwa sistem dapat mengenali wajah sesuai mahasiswa yang terdeteksi pada webcam.
dengan identitas mahasiswa. 2. Algoritma eigenface yang digunakan pada
sistem absensi mahasiswa dapat berfungsi
dengan baik, hal tesebut dibuktikan dengan
keberhasilan sistem mendeteksi dan mengenali
wajah mahasiswa.
4.2 Saran
Berdasarkan hasil penelitian, terdapat beberapa
saran yang diberikan oleh penulis untuk penelitian
3.4 Pengujian Sistem (Menyimpan data absensi) selanjutnya, antara lain :
1. Menambah jumlah data training yang akan
digunakan, semakin banyak dan beragam data
training yang diambil, naka hasil yang didapatkan
akan semakin baik.
2. Melakukukan pengembangan aplikasi face