IMPLEMENTASI FACE RECOGNITION PADA SISTEM PRESENSI MAHASISWA MENGGUNAKAN METODE SSD DAN LBPH
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Perkembangan teknologi di era digitalisasi telah memberikan dampak signifikan pada berbagai sektor, termasuk pendidikan tinggi. Inovasi teknologi gencar dilakukan untuk mendukung kegiatan perkuliahan, salah satunya adalah sistem presensi mahasiswa. Beberapa diantaranya yang sudah diterapkan adalah teknologi RFID pada Kartu Tanda Mahasiswa dan scan kode QR. Namun keduanya masih memiliki celah kekurangan seperti risiko terjadinya kehilangan KTM, penyalahgunaan kode QR atau bahkan fenomena titip absen. Penggunaan sistem biometri seperti face recognition menjadi alternatif inovasi untuk meningkatkan keabsahan presensi mahasiswa. Penelitian ini mengimplementasikan teknologi face recognition secara real time pada sistem presensi mahasiswa berbasis web dengan mengombinasikan metode Single Shot Multibox Detector (SSD) dan Local Binary Pattern Histogram (LBPH). Metode SSD digunakan sebagai pendeteksi wajah (face detector) dan LBPH sebagai pengenal wajahnya (face recognizer). Penelitian ini melibatkan pengujian akurasi dalam mendeteksi dan mengenali wajah mahasiswa berdasarkan parameter jarak, jumlah wajah dalam satu frame dan posisi wajah. Pada pengujian deteksi wajah untuk parameter jarak radius 30 cm hingga 100 cm dan posisi wajah diperoleh akurasi 100%. Pengujian pengenalan wajah berdasarkan posisi wajah memperoleh akurasi mencapai 85% dan presisi 87%, pengenalan wajah berdasarkan jarak memperoleh akurasi sebesar 85% dan presisi sebesar 86%.
ABSTRACT
The development of technology in the era of digitalization has had a significant impact on various sectors, including higher education. Technological innovations have been actively pursued to support academic activities, one of which is the student attendance system. Some of the technologies that have been implemented include RFID technology on Student Identification Cards and QR code scanning. However, both methods still have shortcomings, such as the risk of losing the Student Identification Card, QR code misuse, or even the phenomenon of proxy attendance. The use of biometric systems, such as face recognition, has become an alternative innovation to enhance the validity of student attendance. This research implements real-time face recognition technology in a web-based student attendance system by combining the Single Shot Multibox Detector (SSD) and Local Binary Pattern Histogram (LBPH) methods. The SSD method is used as the face detector, and LBPH is used as the face recognizer. This research involves testing accuracy in detecting and recognizing student faces based on distance parameters, number of faces in one frame and face position. In face detection testing for radius distance parameters of 30 cm to 100 cm and face position, 100% accuracy was obtained. Testing facial recognition based on facial position obtained accuracy of 85% and precision of 87%, facial recognition based on distance obtained accuracy of 85% and precision of 86%.
Unduhan
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Lisensi Jurnal JUKANTI
JUKANTI berkomitmen untuk mempromosikan akses terbuka dan distribusi bebas pengetahuan. Kami menerapkan model lisensi berikut untuk memastikan penggunaan yang adil dan etis dari materi yang diterbitkan.
Lisensi Creative Commons Attribution 4.0 International (CC BY 4.0)
Semua artikel yang diterbitkan oleh JUKANTI dilisensikan di bawah Creative Commons Attribution 4.0 International License. Lisensi ini memungkinkan pengguna untuk:
- Menyalin dan Mendistribusikan: Pengguna bebas menyalin, mendistribusikan, dan menampilkan karya asli, asalkan mereka memberikan pengakuan yang tepat kepada penulis dan sumber.
- Mengadaptasi: Pengguna dapat mengubah, mengubah, dan membangun karya asli, asalkan mereka memberikan pengakuan yang tepat dan menunjukkan jika perubahan telah dilakukan.
- Penggunaan Komersial: Pengguna dapat menggunakan karya untuk tujuan komersial, asalkan mereka memberikan pengakuan yang tepat.
Kewajiban Penulis
Penulis yang menerbitkan artikelnya dengan JUKANTI setuju untuk:
- Menjamin bahwa karya adalah asli dan bebas dari pelanggaran hak cipta.
- Memberikan izin kepada JUKANTI untuk menerbitkan karya di bawah lisensi CC BY 4.0.
- Menyimpan hak cipta asli atas karya mereka, dengan lisensi publikasi yang diberikan kepada JUKANTI.
Kepatuhan dengan DOAJ
JUKANTI berkomitmen untuk mematuhi pedoman dan standar yang ditetapkan oleh Directory of Open Access Journals (DOAJ). Kami berusaha untuk memastikan integritas, transparansi, dan kualitas tinggi dalam semua publikasi kami.
Untuk pertanyaan atau klarifikasi lebih lanjut mengenai lisensi ini, silakan hubungi Editor Jukanti di jukanti.ejournalcbn@gmail.com.
Referensi
R. Noviantho, S. Juli, and I. Ismail, “Sistem Presensi menggunakan Face Recognition,” e-Proceeding of Applied Science, vol. 5, no. 2, pp. 1371–1379, Aug. 2019.
S. Sumijan, P. A. Widya Purnama, and S. Arlis, Buku-Teknologi Biometrik: Impementasi pada Bidang Medis Menggunakan Matlabs. PT Insan Cendekia Mandiri Group, 2021.
M. S. M. Suhaimin, M. H. A. Hijazi, C. S. Kheau, and C. K. On, “Real-time mask detection and face recognition using eigenfaces and local binary pattern histogram for attendance system,” Bulletin of Electrical Engineering and Informatics, vol. 10, no. 2, pp. 1105–1113, 2021, doi: 10.11591/EEI.V10I2.2859.
K. B. Pranav and J. Manikandan, “Design and Evaluation of a Real-Time Face Recognition System using Convolutional Neural Networks,” in Procedia Computer Science, Elsevier B.V., 2020, pp. 1651–1659. doi: 10.1016/j.procs.2020.04.177.
T. Dhawle, U. Ukey, and R. Choudante, “Face Detection and Recognition using OpenCV and Python,” International Research Journal of Engineering and Technology (IRJET), vol. 7, no. 10, pp. 1269–1271, Oct. 2020.
A. Sukusvieri, “IMPLEMENTASI METODE SINGLE SHOT DETECTOR (SSD) UNTUK PENGENALAN WAJAH,” Tugas Akhir, Universitas Dinamika, Surabaya, 2020.
S. Satwikayana, S. A. Wibowo, and N. Vendyansyah, “SISTEM PRESENSI MAHASISWA OTOMATIS PADA ZOOM MEETING MENGGUNAKAN FACE RECOGNITION DENGAN METODE CONVULITIONAL NEURAL NETWORK BERBASIS WEB,” Jurnal Mahasiswa Teknik Informatika), vol. 5, no. 2, pp. 785–793, Sep. 2021.
R. Kurniawan and A. Zulius, “Smart Home Security menggunakan Face Recognition dengan Metode Eigenface Berbasis Raspberry Pi,” Jurnal Sustainable: Jurnal Hasil Penelitian Dan Industri Terapan, vol. 08, no. 02, pp. 48–56, 2019.
Alwendi and Masriadi, “APLIKASI PENGENALAN WAJAH MANUSIA PADA CITRA MENGGUNAKAN METODE FISHERFACE,” JURNAL DIGIT, vol. 11, no. 1, pp. 1–08, 2021.
S. Sugeng and A. Mulyana, “Sistem Absensi Pengenalan Wajah dengan Menggunakan pustaka Dlib dan metoda K-NN pada Jaringan LAN,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 1, pp. 127–135, Apr. 2022, doi: 10.32736/sisfokom.v11i1.1371.
Q. M. Detila, D. Eri, and P. Wibowo, “Perbandingan Metode Eigenface, Fisherface, dan LBPH pada Sistem Pengenalan Wajah,” Jurnal Ilmiah KOMPUTASI, vol. 18, no. 4, pp. 315–322, 2019.
S. A. Magalhães et al., “Evaluating the single-shot multibox detector and yolo deep learning models for the detection of tomatoes in a greenhouse,” Sensors, vol. 21, no. 10, May 2021, doi: 10.3390/s21103569.
R. N. Pamungkas, D. Wahiddin, and T. Al Mudzakir, “Sistem Presensi Pegawai Menggunakan Face Recognition dengan Algoritma Local Binary Pattern Histogram (LBPH),” Scientific Student Journal for Information, Technology and Science, vol. IV, no. 1, pp. 123–128, Jan. 2023, [Online]. Available: https://e-jurnal.lppmunsera.org/
G. W. N. Syamsudin, “ANALISIS PERBANDINGAN KETEPATAN PENGENALAN WAJAH MENGGUNAKAN METODE LBPH, EIGENFACE DAN FISHERFACFE,” Tugas Akhir, Institut Teknologi Telkom Purwokerto, Banyumas, 2022.
A. N. Ramdhon and F. Febriya, “Penerapan Face Recognition Pada Sistem Presensi,” Journal of Applied Computer Science and Technology, vol. 2, no. 1, pp. 12–17, Jun. 2021, doi: 10.52158/jacost.v2i1.121.
Lia Farokhah, “Perbandingan Metode Deteksi Wajah Menggunakan OpenCV Haar Cascade, OpenCV Single Shot Multibox Detector (SSD) dan DLib CNN,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 3, pp. 609–614, Jun. 2021, doi: 10.29207/resti.v5i3.3125.