Deteksi Dan Identifikasi Wajah Pada Citra Menggunakan Metode Principal Component Analysis Dan Gabor Wavelet Untuk Sistem Presensi Karyawan

research
  • 15 Feb
  • 2020

Deteksi Dan Identifikasi Wajah Pada Citra Menggunakan Metode Principal Component Analysis Dan Gabor Wavelet Untuk Sistem Presensi Karyawan

n dengan sistem absensi sehingga menjadi salah satu hal yang menarik untuk dilakukan, dimana nantinya sistem absensi juga dapat dilakukan dengan wajah. Proses pembuatan aplikasi absensi dengan pengenalan wajah ini menggunakan algoritma Pricipal Component Analisis dan Gabor Wavelet yang terdapat pada OpenCv. Secara umum proses absensi menggunakan pengenalan wajah ini dilakukan dengan memasukkan data wajah terlebih dahulu beserta password dari masing-masing orang, setelah itu dilakukan proses pemindaian untuk proses absensi. Metode eigenface dari opencv ini mencari data wajah yang mendekati dengan data wajah yang ada di database. Pada pengujian penelitian ini hasil yang didapat berbeda-beda antara wajah satu dengan wajah yang lainnya, pada saat database berisi 10 data wajah, hasil rata-rata persentase kecocokan mencapai 88%, sedangkan pada saat database berjumlah 20 data wajah, hasil rata-rata persentase kecocokan mencapai 52%. Penyebab dari perbedaan hasil tersebut adalah karena faktor pencahayaan, jarak, bentuk wajah, serta jumlah data yang tersedia.

Unduhan

  • 1566-1866-2-PB.pdf

    Deteksi Dan Identifikasi Wajah Pada Citra Menggunakan Metode Principal Component Analysis Dan Gabor Wavelet

    •   diunduh 427x | Ukuran 645 KB

 

  • Peer Review Jurnal GNW 2018-1-1.pdf

    Deteksi Dan Identifikasi Wajah Pada Citra Menggunakan Metode Principal Component Analysis Dan Gabor Wavelet Untuk Sistem Presensi Karyawan

    •   diunduh 244x | Ukuran 322,611

REFERENSI

Ahmad, F., Najam, A., & Ahmed, Z. (2012). Image - based Face Detection and Recognition : “ State of the A rt ,” 9(6), 169–172.

Mehta, P. (2016). An Efficient Attendance Management Sytem based on Face Recognition using Matlab and Raspberry Pi 2, (May).

Meva, D. T. (2014). Study of different Trends and Techniques in Face Recognition, 96(8), 96–99.

Prayogi, S., Puspita, E., Kom, M., Si, R. S. S., & Si, M. (n.d.). Sistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera, 1–6.

Setyawan, I., Timotius, I. K., & Febrianto, A. A. (2011). Frontal Face Detection using Haar Wavelet Coefficients and Local Histogram Correlation, 5(3), 157–172. https://doi.org/10.5614/itbj.ict.2011.5.3.1

Suhery, C., & Ruslianto, I. (2017). Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis ( PCA ), 3(1), 9–15.

Yusuf, M., Ginardi, R. V. H., & A, A. S. (2016). Rancang Bangun Aplikasi Absensi Perkuliahan Mahasiswa dengan Pengenalan Wajah, 5(2), 2–6.