Implementasi Sistem Face Recognition Dalam Aplikasi Kehadiran Otomatis Dengan Menggunakan Algoritma Local Binary Pattern Histogram (LBPH).

Abstract

Sejak munculnya penyebaran virus Covid-19 pada tahun 2019 terdapat permasalahan dalam melakukan kehadiran karyawan atau mahasiswa yang masih melibatkan kontak fisik dengan menggunakan finger print atau dengan metode manual. Dengan perkembangan zaman pada saat ini, pada ilmu kecerdasan buatan merupakan salah satu bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin dapat dan mengurangi kontak fisik. Maka dibutuhkan sistem yang dapat membantu dalam melakukan presensi agar tetap mematuhi protokol kesehatan. Sistem tersebut adalah sistem pengenalan wajah untuk dapat melakukan kehadiran otomatis. Sistem ini diimplementasikan dengan menggunakan metode Local Binary Pattern Histogram (LBPH). Dalam implementasi sistem ini tahapan yang dilakukan yaitu melakukan tahap pre-processing, dan tahap identifikasi. Tahap pre-processing yang dilakukan untuk mengkonversi citra menjadi grayscale dan mengubah ukuran data gambar. dalam tahap identifikasi akan dibagi menjadi beberapa proses yaitu proses training dan testing. Proses traning dilakukan dengan menggunakan metode LBPH yang mana akan digunakan Haar Cascade Classifier untuk melakukan pendeteksian wajah yang sudah diolah sebelumnya. Maka hasil dari proses pengujian sistem ini menunjukan bahwa dengan menggunakan metode Local Binary Pattern Histogram (LBPH) dapat digunakan untuk mengenali wajah. Yang mana terdapat 2 parameter yaitu, parameter pertama adalah dengan menguji jangkauan jarak, dimulai dengan jarak 40 cm-180cm maka hasil akurasi yang didapat mencapai 83% dan presentasi kesalahan sebesar 17%. Tingkat akurasi ini didapat dari hasil pengujian terhadap 6 sampel wajah yang berbeda. Parameter kedua adalah dengan menguji tingkat kemiringan yang dapat mempengaruhi penenalan wajah dalam pengujian ini dilakukan pada kemiringan wajah ke kanan, ke kiri dan ke atas yang mana tingkat akurasi yang didapat mencapai 80% dan presentasi kesalahan sebesar 20%. Maka hasil akhir dalam sistem ini merupakan sebuah presensi yang akan disimpan kedalam bentuk CSV.