Analisis algoritma eigenface (pengenalan wajah) pada aplikasi kehadiran pengajaran dosen

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh: Fika Tiara Puri

106091002857

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

ii

ANALISIS ALGORITMA EIGENFACE (PENGENALAN WAJAH) PADA APLIKASI KEHADIRAN PENGAJARAN DOSEN

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh: Fika Tiara Puri

106091002857

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

iii Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh: Fika Tiara Puri 106091002857

Menyetujui,

Pembimbing I Pembimbing II

Yusuf Durrachman, M.Sc, MIT Viva Arifin, MMSI NIP. 19710522 200604 1 002 NIP. 19730810 200604 2 001

Mengetahui,

Ketua Program Studi Teknik Informatika

Yusuf Durrachman, M.Sc, MIT NIP. 19710522 200604 1 002

iv

PENGESAHAN UJIAN

Skripsi yang berjudul “Analisis Algoritma Eigenface (Pengenalan Wajah) Pada Aplikasi Kehadiran Pengajaran Dosen”. Telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta, pada hari Senin 22 Agustus 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Strata Satu (S1) pada Program Studi Teknik Informatika.

Jakarta, 22 Agustus 2011 Tim Pembimbing,

Pembimbing I Pembimbing II

Yusuf Durrachman, M.Sc, MIT Viva Arifin, MMSI

NIP. 19710522 200604 1 002 NIP. 19730810 200604 2 001

Tim Penguji,

Penguji I Penguji II

Dr. Syafedi Syafei, M.Sc Nurhayati, Ph. D.

NIP. 195710051982111001 NIP. 196903161999032002

Mengetahui,

Dekan Ketua Program Studi

Dr. Syopiansyah Jaya Putra, M.Sis Yusuf Durrachman, M.Sc, MIT NIP. 196801172001121001 NIP. 19710522 200604 1 002

v

BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, 22 Agustus 2011

Fika Tiara Puri

vi ABSTRAK

Fika Tiara Puri, Analisis Algoritma Eigenface (Pengenalan Wajah) Pada Aplikasi Kehadiran Pengajaran Dosen, dibimbing oleh Viva Arifin, MMSI dan Yusuf Durrachman, M.Sc, MIT.

Dalam ilmu biometrik cakupan perkembangannya sangat pesat, tidak hanya digunakan pada sidik jari saja tapi juga bisa dengan pengenalan wajah, retina, dan lain-lain. Pengenalan wajah (face recognition) sekarang telah dikembangkan untuk banyak aplikasi dan untuk membantu menyelesaikan masalah. Penggunaan wajah sebagai identifier mempunyai banyak manfaat, terutama kepraktisannya karena tidak perlu dibuat kartu atau foto untuk identifikasi. Masalah utamanya adalah sebuah image yang mewakili sebuah gambar terdiri dari vector dengan ukuran relative besar.

Ada banyak teknik untuk mereduksi dimensi dari image yang akan diproses, salah satunya yang akan dibahas di sini adalah dengan menganalisa algoritma eigenface. Salah satu aplikasinya adalah penggunaan sistem terkomputerisasi untuk aplikasi kehadiran pengajaran dosen. Dengan aplikasi ini akan diketahui jumlah kehadiran dosen dalam satu semester. Dalam perancangan aplikasi ini, penulis menggunakan bahasa pemrograman Visual Basic 6.0 dan database Microsoft Access 2007, juga concurrent model sebagai metode pengembangan sistem,

Aplikasi tersebut harus dapat mengetahui berapa kali dosen masuk dan tidak masuk dalam satu semester, dengan cara setiap dosen yang akan mengajar, sebelum masuk kelas dosen tersebut harus merekam wajahnya dengan menggunakan webcam yang dipasang di komputer yang tersedia di Fakultas Sains dan Teknologi (FST), algoritma eigen akan mengenali wajah dosen yang dicapture/direkam, hasil pengcapturan wajah dosen tersebut akan dicocokan dengan wajah dosen sebelumnya.

Kata Kunci: Eigen, Eigenface, Face recognition, Pengenalan wajah. Jumlah Halaman : xix+115 halaman

vii

Puji dan syukur penulis limpahkan kehadirat Allah SWT, yang dengan karunia, berkat dan kemurahan-Nya telah memperkenankan penulis menyelesaikan skripsi ini.

Demikian pula penulis menyampaikan ucapan terima kasih kepada:

1. Dr. Syopiansyah Jaya Putra, M.Sis, selaku Dekan Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta.

2. Yusuf Durrachman, M.Sc, MIT, sebagai Ketua Program Studi Teknik Informatika dan juga sebagai dosen pembimbing I.

3. Viva Arifin, MMSI, sebagai Sekretaris Program Studi Teknik Informatika dan juga sebagai dosen pembimbing II. Terimakasih penulis ucapkan kepada para dosen pembimbing yang senantiasa sabar dan selalu meluangkan waktunya di tengah-tengah berbagai kesibukannya untuk membimbing penulis dalam proses penyusunan skripsi ini.

4. Bapak dan Ibu penguji yang memberikan kritik dan saran pada skripsi ini. 5. Seluruh Dosen Fakultas Sains dan Teknologi yang telah mengajarkan kepada

penulis berbagai macam ilmu yang dapat penulis terapkan dalam penulisan skripsi ini

6. Kedua orang tua penulis, H. Ir. Toto Wahyu dan Hj. Dra. Euis Nurbeti yang telah memberikan kasih sayang, dukungan moril, semangat dan materil yang tiada henti-hentinya.

viii

7. Adik-adikku, Nurlitha Mayang Putri, Riki Laksa Purnama, Mila Sofia Ulfa dan Ray Akbar Maulana, kalian semua menjadi inspirasi bagiku untuk terus berjuang, penyemangat dan terimakasih untuk doanya.

8. Syamsul Bachtiar yang telah memberikan doa dan semangat.

9. Ibu nurhasanah selaku ibu kos, dan Pak didi selaku bapak kos yang sangat baik hati semoga kebaikan kalian dibalas oleh Allah SWT, amin.

10. Teman-teman KKS kelompok 25 di Tasikmalaya Jawa Barat.

Penulis menyadari sepenuhnya bahwa penulisan skripsi ini masih jauh dari kesempurnaan yang dikarenakan pengatahuan dan pengalaman yang dimiliki oleh penulis masih sangat terbatas yang masih perlu diperbaiki, baik dari segi, penyajian maupun isinya.

Akhirul kalam, kepada Allah Subhanahu Wata'ala penulis berserah diri, karena hanya pada-Nyalah kebenaran dan kesempurnaan itu berada. Semoga skripsi ini dapat memberikan manfaat bagi siapa saja yang tertarik untuk mempelajari “Analisis Algoritma Eigenface (Pengenalan Wajah) Pada Aplikasi Kehadiran Pengajaran Dosen”. Dan tentunya agar dapat dikembangkan lebih jauh lagi di masa mendatang.

Jakarta, 22 Agustus 2011 Penulis

ix

HALAMAN JUDUL ... ii

HALAMAN PERSETUJUAN PEMBIMBING ... iii

HALAMAN PENGESAHAN ... iv

HALAMAN PERNYATAAN ... v

ABSTRAK ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... ix

DAFTAR GAMBAR ... xiv

DAFTAR TABEL ... xvii

DAFTAR LAMPIRAN ... xviii

BAB I PENDAHULUAN 1.1 Latar Belakang ... 1

1.2 Perumusan Masalah ... 3

1.3 Pembatasan Masalah ... 3

1.4 Tujuan Penelitian ... 4

1.5 Manfaat Penelitian ... 4

1.6 Metodologi Penelitian ... 5

x BAB II LANDASAN TEORI

2.1 Konsep Pengenalan Pola ... 7

2.1.1 Definisi Pola ... 7

2.1.2 Definisi Pengenalan Pola ... 8

2.1.3 Komponen Sistem Pengenalan Pola ... 9

2.1.4 Pendekatan Pengenalan Pola ... 10

2.1.5 Contoh Penerapan Aplikasi/Sistem Pengenalan Pola ... 13

2.2 Pengenalan Wajah (Face Recognition) ... 13

2.2.1 Definisi Wajah ... 13

2.2.2 Algoritma Eigenface ... 14

2.3 Aplikasi ... 15

2.4 Dosen ... 15

2.5 Absensi ... 16

2.6 Webcam ... 16

2.6.1 Definisi Webcam ... 16

2.6.2 Cara Kerja Webcam ... 17

2.7 Konsep Database ... 18

2.7.1 Definisi Basisdata (Database) ... 18

2.7.2 DBMS (Database Management System) ... 22

2.7.3 Elemen-elemen Database ... 24

2.8 Bahasa Pemrograman ... 28

2.8.1 Visual Basic 6.0 ... 28

xi

2.10 Metode Pengembangan Aplikasi ... 29

2.11 Studi Literatur ... 31

BAB III METODOLOGI PENELITIAN 3.1 Metode Pengumpulan Data ... 37

3.1.1 Observasi ... 37

3.1.2 Studi Pustaka ... 38

3.1.3 Wawancara ... 38

3.2 Metodologi Pengembangan Aplikasi ... 39

3.3 Kerangka Berpikir ... 44

BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Yang Berjalan ... 46

4.1.1 Analisis Input(Masukan) ... 49

4.1.2 Analisis Output(Keluaran) ... 49

4.2 Permasalahan ... 50

4.3 Analisis Persyaratan (Requirement) ... 50

4.4 Analisis Aplikasi Usulan ... 52

4.5 Analisis Proses ... 55

xii

4.5.2 Cara Kerja Eigenface denganPCA/ Karhunen-Loeve (KL).... 58

4.6 Analisis Komponen Sistem ... 60

4.7 Tahapan – tahapan Algoritma Eigenface ... 64

4.8 Perancangan Basis Data ... 70

4.8.1 Struktur Tabel ... 70

4.8.2 ERD (Entity Relationship Diagram) ... 75

4.8.3 Diagram Relasi Antar Tabel ... 76

4.9 Perancangan Aplikasi ... 80

4.9.1 Diagram Konteks Yang Diusulkan ... 80

4.9.2 DFD Level 1 ... 81

4.9.3 DFD Level 2 ... 82

4.9.4 DFD Level 3 ... 84

4.10 Perancangan User Interface ... 85

4.10.1 Perancangan Struktur Menu ... 85

4.10.2 Perancangan Antar Muka (Interface) ... 86

4.11 Pengkodean ... 91

4.12 Implementasi Aplikasi ... 91

4.13 Spesifikasi ... 106

4.13.1 Spesifikasi Hardware ... 106

4.13.2 Spesifikasi Software ... 107

4.14 Pengujian ... 107

4.14.1 Pengujian Mandiri ... 107

xiii

DAFTAR PUSTAKA ... 113 LAMPIRAN

xiv

DAFTAR GAMBAR

Halaman

Gambar 2.1 Contoh Pengenalan Pola Tanda Tangan ... 9

Gambar 2.2 Komponen Sistem Pengenalan Pola ... 10

Gambar 2.3 Contoh Web Camera ... 18

Gambar 2.4 Jenjang dari Data ... 20

Gambar 2.5 Kolom dan Baris di dalam Tabel Pelanggan ... 21

Gambar 2.6 Cardinality One to One ... 26

Gambar 2.7 Cardinality One to Many ... 26

Gambar 2.8 Cardinality Many to Many ... 26

Gambar 2.9 Siklus Pengembangan Model Concurrent ... 30

Gambar 3.1 Siklus Pengembangan Model Concurrent ... 44

Gambar 3.2 Kerangka Berfikir ... 45

Gambar 4.1 Flowchart Kehadiran Pengajaran Dosen yang Berjalan ... 48

Gambar 4.2 Flowchart Kehadiran Pengajaran Dosen yang Diusulkan ... 54

Gambar 4.3 Alur Proses Identifikasi Image Menggunakan Algoritma Eigenface ... 57

Gambar 4.4 Hubungan Antar Komponen Pada Aplikasi Kehadiran Pengajaran Dosen Berbasis Pengenalan Wajah ... 61

Gambar 4.5 Langkah-langkah Proses Identifikasi ImageWajah ... 63

Gambar 4.6 Perancangan ERD untuk Aplikasi Kehadiran Dosen ... 75

xv

Gambar 4.11 DFD Level 2 untuk Proses Absensi ... 84

Gambar 4.12 DFD level 3 untuk Proses Input Citra ... 84

Gambar 4.13 Perancangan Struktur Menu ... 85

Gambar 4.14 Login ... 86

Gambar 4.15 Form Utama ... 86

Gambar 4.16 Data Dosen ... 87

Gambar 4.17 Daftar Dosen ... 88

Gambar 4.18 Jadwal Mengajar ... 88

Gambar 4.19 Matakuliah ... 89

Gambar 4.20 Buat Kelas ... 89

Gambar 4.21 Daftar Kelas ... 90

Gambar 4.22 Absensi ... 90

Gambar 4.23 Login ... 92

Gambar 4.24 Form Utama ... 92

Gambar 4.25 Data Dosen ... 93

Gambar 4.26 Proses Pengubahan Citra RGBke dalam Citra Grayscale ... 95

Gambar 4.27 Hasil Konversi Citra RGB keGrayscale... 97

Gambar 4.28 Daftar Dosen ... 98

Gambar 4.29 Jadwal Mengajar ... 98

xvi

Gambar 4.31 Buat Kelas ... 100

Gambar 4.32 Daftar Kelas ... 101

Gambar 4.33 Absensi Dosen ... 102

Gambar 4.34 Cetak Laporan [Absensi] bag.1 ... 105

xvii

Tabel 2.1 Elemen-elemen ERD ... 24

Tabel 2.2 Studi Literatur ... 32

Tabel 4.1Nonfunctional Requirement ... 51

Tabel 4.2 Struktur Tabel Dosen ... 71

Tabel 4.3 Struktur Tabel Kelas ... 71

Tabel 4.4 Struktur Tabel Matakuliah ... 71

Tabel 4.5 Struktur Tabel Query 1 ... 71

Tabel 4.6 Struktur Tabel Query 2 ... 72

Tabel 4.7 Struktur Tabel Query 3 ... 72

Tabel 4.8 Struktur Tabel Absensi ... 73

Tabel 4.9 Struktur Tabel Query Absen ... 73

Tabel 4.10 Struktur Tabel Jabatan ... 73

Tabel 4.11 Struktur Tabel Users ... 73

Tabel 4.12 Struktur Tabel Setting ... 74

Tabel 4.13 Struktur Tabel Foto ... 74

Tabel 4.14 Struktur Tabel Foto ... 77

Tabel 4.15 Struktur Tabel Jabatan ... 77

Tabel 4.16 Struktur Tabel Pegawai ... 78

Tabel 4.17 Struktur Tabel Kelas ... 78

xviii

Tabel 4.19 Struktur Tabel Matakuliah ... 80

Tabel 4.20 Tabel Spesifikasi Hardware ... 106

Tabel 4.21 Tabel Spesifikasi Software ... 107

Tabel 4.22 Hasil Pengujian Aplikasi secara Mandiri ... 108

xix

Lampiran 2. Wawancara ... B-1 Lampiran 3. SourceCode ... C-1

1 BAB I PENDAHULUAN

1.1 Latar Belakang

Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infra red, gaya berjalan, geometri tangan, selaput pelangi, gaya penekanan tombol, bau, telapak tangan, retina, suara, gigi, dan bibir. Masing-masing merupakan karakteristik dari cabang ilmu biometrika yang dewasa ini sedang berkembang pesat. Sistem pengenalan diri adalah sistem untuk mengenali identitas seseorang secara otomatis dengan mengunakan teknologi komputer, yang bertujuan untuk meningkatkan keamanan sistem dan untuk mengenali target secara cepat dan tepat (Putra, 2009: 1).

Menurut Kepala Sub Bag Akademik FST Ibu Sukmayati. Beliau mengatakan, sejak tahun 2010/2011 seorang dosen jika ingin mengajar dalam suatu perkuliahan yang sudah ditentukan jadwalnya, maka dosen tersebut dianjurkan untuk menandatangani daftar kehadiran yang sudah disediakan oleh pihak admin FST, yaitu di ruang pelayanan akademik lantai II FST. Kemudian admin langsung menyiapkan dan memberikan daftar hadir mahasiswa/i dan matakuliah dosen yang bersangkutan (lembaran-lembaran tersebut sudah admin siapkan didalam map berwarna merah). Peraturan yang sudah diterapkan di FST adalah: map merah tidak boleh diwakilkan oleh

mahasiswa/i, boleh diwakilkan oleh mahasiswa/i jika dalam keadaan terdesak dan harus dengan memo tertulis dari dosen tersebut. Begitupun setelah dosen selesai mengajar, dosen mengembalikan map merah tersebut ke lantai II FST ruang pelayanan.

Menurut beliau, penandatanganan daftar kehadiran dosen masih dilakukan secara manual. Kekurangan dari sistem manual adalah kesalahan bisa saja terjadi pada data yang tertulis, atau data bisa hilang sewaktu-waktu, dan ada baiknya jika Sistem Absensi Pegawai lebih dispesifikasikan lagi dengan dibuatnya Aplikasi Kehadiran Pengajaran Dosen. Menurutnya, aplikasi tersebut harus dapat mengetahui berapa kali dosen masuk dan tidak masuk dalam satu semester (pelaporan dihitung per hari), dengan cara setiap dosen yang ingin mengajar sebelum masuk kelas, dosen tersebut harus merekam wajahnya dengan menggunakan webcam yang dipasang di komputer yang tersedia di akademik FST.

Agar permasalahan tersebut dapat diatasi maka penulis mengajukan penelitian. Dan penulis memilih karakteristik wajah dengan judul “Analisis Algoritma Eigenface (Pengenalan Wajah) Pada Aplikasi Kehadiran Pengajaran Dosen”.

3

1.2 Perumusan Masalah

Berdasarkan permasalahan yang ada, maka penulis merumuskan suatu masalah dalam penelitian ini, yaitu:

1. Bagaimana menganalisa algoritma eigenface dan merancang aplikasi kehadiran pengajaran dosen sehingga aplikasi mampu menyesuaikan kebenaran data dengan dosen yang dimaksud.

1.3 Pembatasan Masalah

Berdasarkan permasalahan yang ada, maka penulis membatasi suatu masalah dalam penelitian ini, yaitu:

1. Program yang dibuat dapat menerima masukan berupa citra wajah yang di-capture dengan alat bantu webcame.

2. Algoritma yang digunakan untuk identifikasi wajah adalah Eigenface algorithm.

3. Identifikasi dilakukan dengan pattern matching sederhana tanpa menggunakan metode pembelajaran khusus seperti Jaringan Syaraf Tiruan(Neural Network), Fuzzy logicatau 3D.

4. Sistem yang dihasilkan hanya dapat mengenali image dengan format .jpg.

5. Bahasa pemrograman yang dipakai adalah Visual Basic 6.0 dan Microsoft Access 2007.

6. Untuk sampel data diambil pada Fakultas Sains dan Teknologi (FST) UIN Syarif Hidayatullah Jakarta.

7. Pengguna sistem ini adalah dosen Program Studi Teknik Informatika UIN JKT.

1.4 Tujuan Penelitian

Tujuan yang ingin dicapai oleh penulis dalam penelitian ini adalah:

1. Memberikan solusi bagi FST untuk mengetahui rata-rata jumlah kehadiran pengajaran dosen dalam satu semester (pelaporan dihitung min. 10x pertemuan – max. 15x pertemuan).

2. Menerapkan algoritma eigenface pada Aplikasi Kehadiran Pengajaran Dosen.

1.5 Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah: a. Bagi FST

1. Untuk mengetahui jumlah kehadiran pengajaran dosen dalam satu semester (pelaporan dihitung min. 10x pertemuan – max. 15x pertemuan).

2. Mempermudah FST dalam pelaporan hal-hal yang berkaitan dengan absensi para dosen, pengaturan kurikulum, dan penjadwalan mata kuliah.

b. Bagi Dosen

1. Dosen dapat mengetahui secara cepat jumlah kehadirannya, karena absensi dilakukan secara terkomputerisasi.

5

c. Bagi Penulis

1. Dapat melakukan perbandingan jika ada aplikasi yang sama tapi dengan metode dan algoritma yang berbeda, sehingga bisa menciptakan inovasi baru dan sumber daya manusia yang berkualitas dalam membuat aplikasi.

1.6 Metodologi Penelitian

Metode penelitian yang digunakan dan diterapkan dalam penulisan tugas akhir ini meliputi:

a. Metode Pengumpulan Data

Dalam proses penulisan skripsi ini, bentuk metodologi pelaksanaan yang akan dilakukan antara lain:

a. Observasi b. Wawancara c. Studi Pustaka d. Studi Literatur

b. Metode Pengembangan Aplikasi

Pada penelitian ini penulis menggunakan metode concurrent model dalam mengembangkan aplikasi. Metode ini dikatakan revolusi karena merubah proses pengembangan sistem informasi yang lama seperti System Development Life Cycle (SDLC). Tahapan atau Fase-fase dari model konkuren adalah: Fase Definisi, Fase Pengembangan, Fase Pengujian, Fase Penggunaan dan Fase Adaptasi.

1.7 Sistematika Penulisan

Dalam penyusunan skripsi ini, pembahasan penulis sajikan dalam lima bab pokok bahasan, diantaranya adalah:

BAB I PENDAHULUAN

Pada bab ini, menerangkan latar belakang, perumusan masalah, pembatasan masalah, tujuan dan manfaat penulisan, serta sistematika penulisan.

BAB II LANDASAN TEORI

Pada bab ini berisi tentang konsep dasar teori yang digunakan dalam penyusunan skripsi ini.

BAB III METODOLOGI PENELITIAN

Menguraikan secara rinci metode penelitian yang digunakan. Metode tersebut meliputi metode pengumpulan data dan metode pengembangan aplikasi. Disini dijelaskan alasan memilih metode penelitian tersebut.

BAB IV HASIL DAN PEMBAHASAN

Bab ini berisi analisis terhadap kebutuhan system dan implementasi pengembangannya secara konkrit.

BAB IV PENUTUP

7 BAB II

LANDASAN TEORI

2.1 Konsep Pengenalan Pola 2.1.1 Definisi Pola

Pola adalah entitas yang terdefinisi atau didefinisikan melalui ciri-cirinya (feature). Ciri-ciri tersebut digunakan untuk membedakan suatu pola dengan pola yang lainnya. Ciri yang baik adalah ciri yang memiliki daya pembeda yang tinggi, sehingga pengelompokan pola berdasarkan ciri yang dimiliki dapat dilakukan dengan keakuratan yang tinggi. Menurut Duda, Hurt (Al Fatta, 2009: 7), Pola adalah gabungan dari fitur yang merupakan sifat dari sebuah objek.

Beberapa contoh pola diantaranya adalah:

1. Huruf, memiliki ciri-ciri seperti tinggi, tebal, titik sudut dan lengkungan garis.

2. Suara, memiliki ciri-ciri seperti amplitudo, frekuensi, nada dan intonasi.

3. Tanda tangan, memiliki ciri-ciri seperti panjang, kerumitan dan tekanan.

4. Sidik jari, memiliki ciri-ciri seperti lengkungan, dan jumlah garis. (Sitorus dkk, 2006)

Dalam hal ini, penelitian yang dilakukan penulis adalah wajah. Wajah memiliki pola. Ciri-ciri pada suatu pola (diperoleh dari hasil

pengukuran pada titik objek uji). Khusus pada pola yang terdapat didalam citra dalam hal ini adalah wajah, ciri-ciri yang dapat diperoleh dari informasi diantaranya adalah:

1. Spasial, seperti intensitas piksel dan histogram. 2. Tepi, seperti arah dan kekuatan.

3. Kontur, seperti garis, ellips dan lingkaran.

4. Wilayah/bentuk, seperti keliling, luas dan pusat massa. 5. Hasil Ttransformasi Fourier, seperti frekuensi.

(Sitorus dkk, 2006) 2.1.2 Definisi Pengenalan Pola

Pengenalan pola adalah salah satu cabang dari bidang kecerdasan buatan. Ada beberapa definisi yang berbeda tentang pengenalan pola, diantaranya:

1. Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori.

2. Ilmu pengetahuan yang menitik beratkan pada deskripsi dan klasifikasi (pengenalan) dari suatu pengukuran.

Berdasarkan definisi di atas, pengenalan pola bisa didefinisikan sebagai cabang kecerdasan buatan yang menitik beratkan pada metode pengklasifikasian objek ke dalam klas-klas tertentu untuk menyelesaikan masalah tertentu. Jadi pengenalan pola adalah mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin

9

(komputer). Tujuan pengelompokkan adalah untuk mengenali suatu objek di dalam citra (Al Fatta, 2009: 5).

Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem visual manusia yang dicoba ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan memberikan keluaran berupa informasi atau deskripsi objek di dalam citra. Untuk lebih jelas, perhatikan Gambar 2.1 (Sitorus dkk, 2006).

Gambar 2.1 Contoh Pengenalan Pola Tanda Tangan (Sumber: Sitorus dkk, 2006)

2.1.3 Komponen Sistem Pengenalan Pola

Sistem pengenalan pola dasar terdiri dari: 1. Sensor

Sensor digunakan untuk menangkap objek yang ciri atau fiturnya akan diekstraksi.

2. Mekanisme pre-processing

Mekanisme pengolahan objek yang ditangkap oleh sensor biasanya digunakan untuk mengurangi kompleksitas ciri yang akan dipakai untuk proses klasifikasi.

3. Mekanisme pencari fitur (manual atau otomatis)

Bagian ini digunakan untuk mengekstraksi ciri yang telah melalui tahapan preprocessing untuk memisahkannya dari fitur-fitur pada objek yang tidak diperlukan dalam proses klasifikasi.

4. Algoritma pemilah

Pada tahapan ini proses klasifikasi dilakukan dengan menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi dari objek yang ditangkap ke dalam kriteria-kriteria yang telah ditentukan.

Gambar 2.2 Komponen Sistem Pengenalan Pola (Sumber: Al Fatta, 2009:5)

2.1.4 Pendekatan Pengenalan Pola

Aplikasi pengenalan pola dapat dibuat dengan beberapa pendekatan yang menggunakan basis statistikal untuk menghasilkan pola. Pendekatan lainnya menggunakan struktur dari pola yang POLA

MASUKAN PREPROCESSOR

EKSTRAKSI

CIRI CLASSIFIER

HASIL KLASIFIKASI

11

menyediakan informasi fundamental untuk pengenalan pola. Pendekatan yang lain lagi adalah dengan membangun dan melatih suatu arsitektur yang secara akurat mengasosiasikan input pola tertentu dengan respons yang diharapkan.

Suatu masalah bisa diselesaikan dengan salah satu atau beberapa pendekatan tadi, tinggal dipertimbangkan pendekatan mana yang lebih tepat untuk masalah yang akan dipecahkan. Macam-macam pengenalan pola terdiri dari:

1. Pendekatan pengenalan pola geometrik statistikal(StatPR)

Pengenalan pola statistikal memiliki asumsi suatu basis statistik untuk algoritma klasifikasi. Sekelompok karakteristik pengukuran yang menunjukan fitur diekstraksi dari data input dan digunakan untuk menentukan setiap vektor fitur ke dalam salah satu kelas c. Fitur diasumsikan dihasilkan secara natural sehingga model yang bersangkutan adalah suatu state of natureatau klas-klas probabilitas (probability density function) yang telah dikondisikan. Dengan demikian kesimpulannya sebagai berikut:

a. Pola dipilah berdasarkan model statistik dari fitur.

b. Model statistik didefinisikan sebagai sebuah keluarga dari fungsi kerapatan peluang bersyarat kelas Pr(x|ci) – peluang vektor fitur x jika diberikan kelas ci- > dengan i = 1, 2, 3, … ,N. Pada penelitian ini, penulis menggunakan pendekatan statistikal.

2. Pendekatan pengenalan pola sintaktik(syntPR)

Untuk pendekatan sintaktik dapat dijelaskan sebagai berikut: a. Pola dipilih berdasarkan keserupaan ukuran struktural.

b. ‘Pengetahuan’ direpreesentasikan secara formal grammar atau Deskripsi relasional (graf).

c. SyntPR dipakai tidak hanya untuk pemilahan, tetapi juga untuk deskripsi.

d. Biasanya SyntPR memformulasikan deskripsi hierarkis dari pola kompleks yang tersusun dari pola bagian yang lebih sederhana. 3. Pendekatan pengenalan pola neural(NeuroPR)

Pendekatan ini menggunakan metode jaringan syraf tiruan untuk mengidentifikasi pola. Pendekatan ini dapat dijelaskan sebagai berikut:

a. Pemilahan dilakukan berdasarkan tanggapan suatu neuron jaringan pengolah sinyal (neuron) terhadap stimulus masukan (pola).

b. ‘Pengetahuan’ disimpan dalam sambungan antarneuron dan kekuatan pembobot sinaptik.

c. NeuroPR sangat menarik karena dengan jumlah lapisan dan neuron secukupnya, JST dapat membentuk semua jenis daerah keputusan yang rumit sekalipun.

13

2.1.5 Contoh Penerapan Aplikasi atau Sistem Pengenalan Pola

Contoh Penerapan dari aplikasi-aplikasi atau sistem pengenalan pola cukup beragam, di antaranya:

1. Voice recognition: beberapa sistem rahasia menggunakan pengenalan suara sebagai kunci bagi pengguna sistemnya.

2. Fingerprint identification: sistem pengenalan sidik jari telah dipakai secara luas sebagai pengganti password atau pin untuk mengakses sistem komputer tertentu.

3. Handwriting identification: aplikasi perbankan menggunakan pengenalan tulisan untuk membuktikan pelaku transaksi adalah orang yang benar-benar berhak.

(Al Fatta, 2009: 9)

2.2 Pengenalan Wajah (Face Recognition) 2.2.1 Definisi Wajah

Wajah atau muka adalah bagian depan dari kepala, pada manusia meliputi wilayah dari dahi hingga dagu, termasuk rambut, dahi, alis, mata, hidung, pipi, mulut, bibir, gigi, kulit, dan dagu (KBBI, 2009).

Elemen-elemen itulah yang menjadi pembeda antara wajah satu dengan yang lain. Selain elemen fisik ada faktor-faktor lain yang mempengaruhi wajah yaitu: syaraf dan pembuluh darah, trauma fisik dan hasil pembedahan, ekspresi karena pembuluh, air mata dan keringat, kesakitan dan kelelahan, gender, ras, pertumbuhan dan usia. Oleh karena

itu tidak ada satu wajahpun yang serupa mutlak, bahkan pada manusia kembar identik sekalipun karena wajah terutama digunakan untuk ekspresi wajah, penampilan serta identitas (Sitorus dkk, 2006).

2.2.2 Algoritma Eigenface

Kata eigenface sebenarnya berasal dari bahasa Jerman “eigenwert” dimana “eigen” artinya karakteristik dan “wert” artinya nilai. Eigenface adalah salah satu algoritma pengenalan pola wajah yang berdasarkan pada Principle Component Analysis (PCA) yang dikembangkan di MIT.

Banyak penulis lebih menyukai istilah eigenimage. Teknik ini telah digunakan pada pengenalan tulisan tangan, pembacaan bibir, pengenalan suara dan pencitraan medis. Menurut layman (Al Fatta, 2009) Eigenface adalah sekumpulan standardize face ingredient yang diambil dari analisis statistik dari banyak gambar wajah.

Algoritma eigenfacesecara keseluruhan cukup sederhana. Training image direpresentasikan dalam sebuah vector flat (gabungan vektor) dan digabung bersama-sama menjadi sebuah matriks tunggal. Eigenface dari masing-masing citra kemudian diekstraksi dan disimpan dalam file temporary atau database. Test image yang masuk didefinisikan juga nilai eigenfaces-nya dan dibandingkan dengan eigenfaces dari image database atau file temporary (Prasetyo dan Rahmatun).

15

2.3 Aplikasi

Software (perangkat lunak) adalah perintah (program komputer) yang bila di eksekusi memberikan fungsi dan unjuk kerja seperti yang diinginkan, struktur data yang memungkinkan program memanipulasi informasi secara proporsional dan dokumen yang menggambarkan operasi dan kegunaan program (Pressman, 2010: 4).

2.4 Dosen

Dosen adalah pendidik profesional dan ilmuwan di universitas atau perguruan tinggi negeri atau swasta, dengan tugas utama mentransformasikan, mengembangkan dan menyebarluaskan ilmu pengetahuan, teknologi dan seni melalui pendidikan, penelitian dan pengabdian kepada masyarakat. Profesi dosen merupakan bidang pekerjaan khusus yang dilaksanakan berdasarkan prinsip sebagai berikut:

1. Memiliki bakat, minat, panggilan jiwa dan idealisme serta memiliki kemampuan untuk mewujudkan tujuan pendidikan nasional

2. Memiliki komitmen untuk meningkatkan mutu pendidikan, keimanan, ketakwaan dan akhlak mulia

3. Memiliki kualifikasi akademik, sertifikat dan latar belakang pendidikan sesuai dengan bidang tugas

4. Memiliki kompetensi yang diperlukan sesuai dengan bidang tugas

5. Memiliki tanggung jawab, sehat jasmani dan rohani atas pelaksanaan tugas keprofesionalan

6. Memperoleh penghasilan yang ditentukan sesuai dengan prestasi kerja 7. Memiliki kesempatan untuk mengembangkan keprofesionalan secara

berkelanjutan dengan belajar sepanjang hayat

8. Memiliki jaminan perlindungan hukum dalam melaksanakan tugas keprofesionalan

(Undang-Undang Republik Indonesia Nomor 14 Tahun 2005 tentang Guru dan Dosen, 2005).

2.5 Absensi

Adalah sebuah cara untuk melakukan evaluasi, monitoring dan laporan kehadiran para pegawai, dosen dan mahasiswa/i sesuai dengan ketentuan yang berlaku (KBBI, 2009). Absensi dibuat dalam rangka pembinaan pegawai agar disiplin terhadap waktu. Biasanya bentuk akhir dari absensi berupa laporan keterangan berapa kali jumlah kehadiran masuk, sakit, alpa dan cuti. Absensi yang digunakan biasanya dihitung perminggu, perbulan, persemester, pertahun, atau tergantung kondisi dan peraturan suatu instansi atau lembaga (Lembaga Pemerintah DKI, 2008).

2.6 Webcam

2.6.1 Definisi Webcam

Webcam (singkatan dari web camera) adalah sebutan bagi kamera real-time (bermakna keadaan pada saat ini juga) yang gambarnya bisa diakses atau dilihat melalui World Wide Web, program instant

17

messaging atau aplikasi video call. Webcam atau web camera adalah sebuah kamera video digital kecil yang dihubungkan ke komputer melalui (biasanya) port USB ataupun port COM.

Sekarang ini web camera yang ada di pasaran pada umumnya terbagi ke dalam dua tipe: web camera permanen (fixed) dan revolving web camera. Pada web camera permanen terdapat pengapit untuk mengapit lensa standar di posisi yang diinginkan untuk menangkap gambar pengguna. Sedangkan pada revolving web camera terdapat landasan dan lensa standar dipasang di landasan tersebut sehingga dapat disesuaikan ke sudut pandang yang terbaik untuk menangkap gambar pengguna.

2.6.2 Cara Kerja Webcam

Cara kerja webcam adalah sebuah web camera yang sederhana terdiri dari sebuah lensa standar, dipasang di sebuah papan sirkuituntuk menangkap sinyal gambar; casing (cover), termasuk casing depan dan casing samping untuk menutupi lensa standar dan memiliki sebuah lubang lensa di casing depan yang berguna untuk memasukkan gambar; kabel support, yang dibuat dari bahan yang fleksibel, salah satu ujungnya dihubungkan dengan papan sirkuit dan ujung satu lagi memiliki connector, kabel ini dikontrol untuk menyesuaikan ketinggian, arah dan sudut pandang web camera.

Sebuah webcam biasanya dilengkapi dengan software, software ini mengambil gambar-gambar dari kamera digital secara terus menerus

ataupun dalam interval waktu tertentu dan menyiarkannya melalui koneksi internet. Ada beberapa metode penyiaran, metode yang paling umum adalah software merubah gambar ke dalam bentuk file JPEGdan menguploadnya ke web server menggunakan File Transfer Protocol (FTP).

Gambar 2.3 Contoh Web camera

(Tim Penelitian dan Pengembangan Komputer, 2004: 72).

2.7 Konsep Database

2.7.1 Definisi Basis Data (Data Base)

Basis data secara umum adalah koleksi data yang bisa mencari secara menyeluruh dan secara sistematis memelihara, mengakses informasi. Suatu basis data bisa terkomputerisasi dan tidak terkomputerisasi. Beberapa basis data yang tidak terkomputerisasi diantaranya: buku telepon, lemari surat dan sistem katalog kartu perpustakaan. Sedangkan definisi basis data secara terkomputerisasi adalah basis data yang bisa diupdate, filenya terorganisasi, informasinya dapat dibaca, pencarian bisa dilakukan secara cepat dan bisa diretrieve menggunakan komputer.

19

Basis data secara terkomputerisasi adalah suatu aplikasi terpisah yang menyimpan suatu koleksi data dan sebagai tempat penyimpanan file data. Sebagai file data, suatu basis data tidak menyajikan informasi secara langsung kepada pengguna. Pengguna harus menjalankan aplikasi untuk mengakses data dari basis data dan menyajikannya dalam bentuk yang mudah dimengerti. Ketika bekerja dengan file-file data, suatu aplikasi harus dikodekan agar bekerja dengan struktur masing-masing file data. Biasanya, suatu basis data berisi suatu katalog yang menggunakan aplikasi untuk menentukan cara data diorganisir (Simarmata, 2007: 2).

James F. Courtney Jr. dan David B. Paradice dalam buku “Database Sistem for Management” menjelaskan sistem database adalah sekumpulandatabase yang dapat dipakai secara bersama-sama, personal-personal yang merancang dan mengelola database, teknik-teknik untuk merancang dan mengeloladatabase, serta komputer untuk mendukungnya (Ladjamudin, 2005: 9).

Dari definisi diatas, penulis menyimpulkan bahwa sistem database mempunyai beberapa elemen penting, yaitu databasesebagai inti sistem database, perangkat lunak untuk mengelola database, perangkat keras sebagai pendukung operasi pengolahan data, serta manusia mempunyai peran penting dalam sistem tersebut.

Sampai dengan membentuk database, data mempunyai jenjang yang dapat dilihat dalam gambar 2.4.

Gambar 2.4 Jenjang dari data (Sumber: Simarmata, 2007: 44) a. Database File

Database File adalah file utama meliputi keseluruhan basis data dan disimpan ke hard-drive. Contoh: basisdataMahasiswa.Mdb.

b. Tabel

Tabel adalah kumpulan data tentang topik spesifik. Disana bisa terdapat berbagai tabel didalam suatu basis data, atau tabel merupakan kumpulan informasi secara logis yang terkait dan diperlakukan sebagai unit. Gambar 2.5 menunjukan contoh isi dari Tabel Mahasiswa.

Database File

Table

Field / Kolom

Record / Baris

21

Field / Kolom

Record / Baris

Gambar 2.5 Kolom dan Baris di dalam Tabel Mahasiswa (Sumber: Simarmata, 2007: 42)

c. Field / Kolom

Baris diorganisasikan sebagai sekumpulan kolom/field. Semua baris di dalam tabel terdiri atas sekumpulan kolom yang sama. Pada Tabel Mahasiswa, kolom adalah Nim Mahasiswa, Nama dan Alamat. d. Record / Baris

Suatu tabel yang terdiri dari baris. Suatu baris/recordadalah kejadian tunggal yang berisi data di dalam tabel. Setiap baris diperlukan sebagai unit tunggal. Pada Tabel Mahasiswa, seperti gambar 2.5, terdapat empat baris dan setiap baris berisi informasi tentang mahasiswa individu.

e. Characters

Character adalah bagian data yang terkecil, dapat berupa karakter numeric, huruf ataupun karakter-karakter khusus yang membentuk suatuitem dataataufield(Simarmata, 2007: 43).

Nim Nama Alamat

101 Dina Mardiana Jl. Rahayu No.8 Jaksel 102 Rita Saharani Jl. Dadali No.2 Bogor 103 Budi Wardana Jl. Batu No.24 Sumbar 104 Muhammad Lukman Jl.Toba No. 20 Sumut

2.7.2 DBMS (Database Management System)

Istilah basis data sering disalahgunakan sebagai sinonim untuk sistem manajemen basis data (DBMS), padahal keduanya tidak sama. DBMS adalah mekanisme perangkat lunak dalam pengelolaan data. DBMS sudah dikembangkan untuk mengatasi berbagai kesulitan dalam penggunaan sistem pengolahan file (Simarmata, 2007: 13). Jadi Inti dari suatu basis data adalah database management system(DBMS), yang membolehkan pembuatan, modifikasi dan pembaharuan basis data. DBMS adalah paket perangkat lunak yang komplek digunakan untuk memanipulasidatabase.

Lebih lanjut lagi, DBMS merupakan koleksi terpadu dari database dan program-program komputer (utilitas) yang digunakan untuk mengakses dan memelihara database. Program-program tersebut menyediakan berbagai fasilitas operasi untuk memasukkan, melacak dan memodifikasi data kedalam database, mendefinisikan data baru, serta mengolah data menjadi informasi yang dibutuhkan (Ladjamudin, 2005: 130).

Beberapa keunggulan DBMS untuk mengelola data (Ladjamudin, 2005: 131):

a. Kemandirian Data

Program aplikasi idealnya tidak diekspos pada detail representasi dan penyimpanan data. DBMS menyediakan satu pandangan abstrak tentang data yang menyembunyikan detail tersebut.

23

b. Akses Data Efisien

DBMS memanfaatkan berbagai teknik yang canggih untuk menyimpan dan mengambil data secara efisien.

c. Integritas dan Keamanan Data

Jika data selalu diakses melalui DBMS, maka DBMS dapat memanfaatkan batasan integritas. DBMS dapat memanfaatkan control akses yang menentukan data apa yang boleh dilihat oleh kelas pengguna yang berbeda.

d. Administrasi Data

Ketika beberapa pengguna berbagi data, pemusatan administrasi data dapat memberikan perbaikan yang signifikan. Para professional yang berpengalaman yang memahami sifat data yang akan dikelola dan memahami bagaimana kelompok pengguna yang berbeda menggunakan data tersebut, dapat memegang tanggung jawab untuk mengatur representasi data untuk meminimalkan redudansi dan untuk mengatur penyimpanan data guna melakukan pengambilan data yang efisien.

e. Akses Konkuren danCrash recovery

DBMS menjadwalkan akses konkuren pada data dalam cara tertentu sehingga pengguna dapat memandang data sebagai data yang diakses oleh hanya satu pengguna pada satu waktu. Lebih lanjut, DBMS memproteksi pengguna dari efek kegagalan sistem (konkurensi).

2.7.3 Elemen – ElemenDatabase

a. ERD (Entity Relationship Diagram)

ERD adalah model jaringan data yang menekankan pada struktur-struktur dan relationship data (Ladjamudin, 2005: 142). Dan biasanya ERD mengilustrasikan struktur logis dari basis data (Simarmata, 2007: 111). ERD juga bisa diartikan sebagai model jaringan yang menggunakan susunan data yang disimpan dalam sistem secara abstrak (Al Fatta, 2009: 27). Elemen – elemen ERD dapat dilihat di tabel 2.1:

Tabel 2.1 Elemen-elemen ERD

Simbol Nama dan Keterangan

Entity

Suatu entity merupakan suatu objek atau konsep mengenai tempat yang anda inginkan untuk menyimpan informasi.

Weak Entity

Suatu weak entitiy tergantung pada entitas lainnya to exist.

Attribute

Attributeadalah sifat-sifat atau karakteristik dari suatu entitas.

25

(Sumber: Simarmata, 2007: 113) Multivalued Attribute

Suatu multivalued attribute memiliki lebih dari satu nilai. Sebagai contoh, gaji bulanan seorang pegawai berdasarkan pada gaji bulanan, karyawan lain yang berdasarkan pada gaji tahunan.

Derived Attribute

Suatu derived attributedidasarkan pada atribut lainnya. Sebagai contoh, gaji bulanan seorang pegawai berdasarkan pada gaji bulanan, karyawan lain yang berdasarkan pada gaji tahunan.

Relationship

Relationship mengilustrasikan bagaimana dua entitas berbagi informasi di dalam struktur basis data. Cara menggambar relasi adalah menghubungkan dua entitas terlebih dahulu, baru kemudian mengedrop notasi relasi pada garis.

Weak Relationship

Untuk menghubungkan weak entity dengan yang lainnya, anda perlu menggunakan notasi weak relationship.

Link

Menghubungkan antara eintitas satu dengan entitas yang lainnya.

b. Kardinalitas (Cardinality)

Kardinalitas relasi adalah tingkat hubungan yang terjadi antara entity. Tiga macam kardinalitas relasi yaitu:

1. One to one

Tingkat hubungan satu ke satu, dinyatakan dengan satu kejadian, pada entitas pertama hanya mempunyai satu hubungan dengan satu kejadian pada entitas kedua.

1 1

Gambar 2.6 Cardinality One to One 2. One to Many atau Many to One

Tingkat hubungan satu ke banyak adalah sama dengan banyak ke satu. Tergantung pada arah mana hubungan itu dilihat.

1 M

Gambar 2.7 Cardinality One to Many 3. Many to Many

Tingkat hubungan banyak ke banyak terjadi jika tiap kejadian pada sebuah entitas akan mempunyai banyak hubungan dengan kejadian pada entitas lainnya.

M M

27

c. Kunci (Key)

Kunci atau key adalah atribut unik yang dapat digunakan untuk membedakan suatu entitas dengan entitas lainnya dalam suatu himpunan entitas. Tidak ada lebih dari satu entitas memiliki nilai-nilai yang sama untuk semua atributnya.

Macam-macam jenis kunci (key) diantaranya: 1. Primary key

Primary key adalah satu set minimal atribut yang tidak hanya mengidentifikasi secara unik satu kejadian spesifik, tapi juga dapat mewakili setiap kejadian dari entity. Primary key memiliki tiga (3) kriteria:

a. Keytersebut lebih natural digunakan sebagai acuan. b. Keytersebut lebih sederhana.

c. Keytersebut terjamin keunikannya. 2. Foreign key(Kunci Tamu)

Foreign key merupakan sembarang atribut yang menunjuk kepada Primary Key pada table lain. Foreign Key terjadi pada suatu relasi yang memiliki Cardinality one to many atau many to many.

2.8 Bahasa Pemrograman 2.8.1 Visual Basic 6.0

Menurut Pandia (2006: 8) Visual Basic atau sering disebut VB, berawal dari usaha Bill Gates pendiri Microsoft untuk mengembangkan Basic Interpreter untuk perusahaan IBM. Kemudian Microsoft meluncurkan Basica (Basic Advanced) yang dijalankan di DOS. Perkembangan selanjutnya, Microsoft meluncurkan Microsoft QuickBasicdan Microsoft Basic(dikenal juga sebagai Basic Compiler). Akhirnya dengan menggabungkan kedua compiler tersebut, Microsoft melahirkan Visual Basic.

2.8.2 Microsoft Access

Microsoft Office Access 2007 merupakan salah satu software pengolah database. Dengan Microsoft Access anda dapat mengolah berbagai jenis data serta membuat hasil akhir berupa laporan dengan tampilan yang lebih menarik (Tim Divisi Penelitian dan Pengembangan, 2008: 1).

2.9 Alat Bantu Yang digunakan 2.9.1 Bagan Alir (FlowChart)

Bagan alir atau flowchart merupakan alat bantu berbentuk grafik yang dapat digunakan untuk menunjukkan urutan-urutan kegiatan dari sistem informasi berbasis komputer. Bagan alir ini memperlihatkan urutan proses dalam sistem dengan menunjukkan alat media input,

29

output, serta jenis media penyimpanan dalam proses pengolahan data (Ladjamudin, 2005: 211).

2.9.2 DFD (Data Flow Diagram)

DFD adalah sebuah teknik grafis yang menggambarkan desain informasi yang diaplikasikan pada saat data bergerak dari input menjadi output. DFD dapat digunakan untuk menyajikan sebuah sistem atau perangkat lunak pada setiap tingkat abstraksi. DFD memberikan suatu mekanisme bagi pemodelan fungsional dan pemodelan aliran informasi (Al Fatta, 2009: 32).

DFD (Data Flow Diagram) adalah model dari sistem untuk menggambarkan pembagian sistem ke modul yang lebih kecil. DFD dapat memudahkan pemakai (user) yang kurang menguasai bidang komputer untuk mengerti sistem yang akan dikerjakan.

2.10 Metode Pengembangan Aplikasi

Metode pengembangan aplikasi yang penulis lakukan menggunakan siklus pengembangan model concurrent. Metode kongkurensebagai suatu paradigma baru dalam pengembangan sistem informasi manajemen, tidak hanya sekedar suatu evolusi dari metode pengembangan sistem informasi yang sudah ada, tetapi sekaligus merupakan revolusi dalam pengembangan sistem informasi manajemen.

Model kongkuren dapat dilihat pada gambar 2.9. Gambar tersebut memberikan representasi skematis dari aktivitas di dalam model proses yang konkuren.

Aktifitas analisis bisa berada dalam salah satu dari keadaan-keadaan yang dicatat pada saat tertentu. Dengan cara yang sama, aktivitas yang lain (desain atau komunikasi pelanggan) dapat direpresentasikan dalam sebuah sikap yang analog (menunjukkan persamaan). Semua aktifitas ada secara kongkuren (bersamaan) tetapi dia tinggal di dalam keadaan yang berbeda (Pressman, 2010: 60).

represents the state of a software

engineering activity or task

Gambar 2.9 Siklus pengembangan model concurrent (Sumber: Pressman, 2010)

Inactive

Under development A waiting

changes

Under review

Under revision

Baselined

31

Contohnya, di awal proyek, aktivitas komunikasi pelanggan telah melengkapi iterasi pertamanya dan berada di dalam keadaan menunggu perubahan. Aktifitas analisis (yang ada di dalam non state sementara komunikasi pelanggan inisial dilengkapi) sekarang membuat sebuah transisi ke dalam keadaan di bawah perkembangan tetapi jika pelanggan menunjukkan bahwa perubahan kebutuhan harus dibuat, maka aktifitas analisis bergerak dari keadaan di dalam perkembangan ke dalam keadaan menunggu perubahan.

2.11 Studi Literatur

Studi Literatur berisi uraian tentang teori, temuan dan bahan penelitian lain yang diperoleh dari bahan acuan untuk dijadikan landasan kegiatan penelitian.

Terdapat beberapa penelitian yang berkaitan dengan Aplikasi Pengenalan Wajah, yang telah dibuat sebagai studi sejenis dalam penelitian ini. Adapun ringkasan penelitian tersebut dapat dilihat dalam tabel 2.2 berikut:

37

Pada penelitian tugas akhir ini, penulis menggunakan beberapa metode penelitian diantaranya metode pengumpulan data dan metode pengembangan sistem.

3.1 Metodologi Pengumpulan Data 3.1.1 Observasi

Metode observasi dilakukan untuk mendapatkan gambaran yang jelas mengenai pelaksanaan sistem yang berjalan serta mencari dan mengumpulkan data yang dibutuhkan langsung dari sumbernya (Ladjamudin, 2005).

Guna mengumpulkan informasi mengenai kebutuhan sistem (system requirements), penulis melakukan pengumpulan data dengan cara observasi di tempat penelitian, yang dalam hal ini adalah Fakultas Sains dan Teknologi (FST). Penulis langsung ke lapangan untuk mengetahui sistem yang sedang berjalan saat ini. Hal ini perlu dilakukan agar penulis dapat melakukan analisis terhadap sistem yang telah berjalan serta menentukan rancangan sistem baru yang akan dibangun agar tetap sinkron dengan sistem yang sudah ada. Observasi dilakukan penulis dari tanggal 01 Maret – 06 Maret 2011.

38

3.1.2 Studi Pustaka

Pada tahapan pengumpulan data dengan cara studi pustaka, penulis mencari referensi-referensi yang relevan dengan objek yang akan diteliti. Pencarian referensi dilakukan di perpustakaan sebanyak sembilan (9) buku, di toko buku sebanyak empat (4) buku, maupun secara online melalui internet sebanyak enam (6) sumber. Setelah mendapatkan referensi-referensi yang relevan tersebut, penulis lalu mencari informasi-informasi yang dibutuhkan dalam penelitian ini dari referensi-referensi tersebut.

Informasi yang didapatkan digunakan dalam penyusunan landasan teori, metodologi penelitian serta pengembangan aplikasinya secara langsung. Pustaka-pustaka yang dijadikan acuan dapat dilihat di Daftar Pustaka sebanyak sembilan belas (19) buku atau sumber.

3.1.3 Wawancara

Penulis juga melakukan pertemuan dan wawancara kepada pihak-pihak yang nantinya akan berhubungan dengan aplikasi yang akan dikembangkan oleh penulis. Tujuan dari wawancara yang dilakukan oleh penulis adalah untuk mengumpulkan data dan mendapatkan informasi seputar pengenalan wajah, hal ini dikarenakan ketidaktahuan penulis tentang ilmu biometrik beserta karakteristiknya dan implementasinya dalam bidang teknologi. Pihak-pihak yang dimaksud adalah Kepala Sub Bag Akademik FST Ibu Sukmayati,

Kepala Bagian Tata Usaha FST Ibu Yarsi Berlianti, satu dosen Teknik Informatika Universitas Indonesia sekaligus Kepala Laboratorium Information Retrieval, Universitas Indonesia Ibu Dra. Mirna Adriani, Ph.D., yang telah meluangkan waktunya untuk melakukan wawancara. Yang terakhir adalah wawancara penulis kepada dosen pembimbing ke II Ibu Viva Arifin, MMSI. Wawancara dilakukan pada tanggal 20 Januari 2010 dan 14 juli 2011.

3.2 Metode Pengembangan Aplikasi

Pemilihan model kongkuren ini dilakukan dengan alasan model ini dapat dilakukan secara acak dan bersama-sama, selain itu model ini sangat tepat bagi penulis karena memberikan kemudahan, dan sangat efisien yang didasari pada siklus atau tahapan kerja yang teratur (maksudnya model ini dikembangkan berdasarkan pada fase-fase yang terurut). Fase-fase tersebut diantaranya adalah: Fase definisi, fase pengembangan, fase pengujian, fase penggunaan dan fase adaptasi.

Selain itu Model proses konkuren sering digunakan sebagai paradigma

bagi pengembangan aplikasi klien-server. Sistem klien-server dirancang dari serangkaian komponen fungsional. Bila diaplikasikan kepada klien-server, model proses konkuren akan mendefinisikan aktivitas di dalam dua dimensi: dimensi sistem dan dimensi komponen (Pressman, 2010).

40

Isu tingkat sistem dituju dengan menggunakan tiga aktivitas: desain, assembly, dan pemakaian. Dimensi komponen dituju dengan dua aktivitas yaitu desain dan realisasi.

Konkuren dicapai dengan dua cara, yaitu:

1. Aktivitas sistem dan komponen yang berlangsung secara simultan dan dapat dimodelkan dengan menggunakan pendekatan orientasi keadaan yang digambarkan pada gambar 3.1.

2. Aplikasi klien-server khusus diimplementasikan dengan banyak komponen di mana masing-masing bisa dirancang dan direalisasikan secara konkuren.

Kelebihan-kelebihan concurrent modeldiantaranya adalah :

1. Perangkat lunak yang dikembangkan adalah perangkat lunak yang sesuai dengan user, karena pada concurrent model terdapat keterlibatan user selama pengembangan perangkat lunak.

2. Dapat mendefinisikan setiap peristiwa yang penting yang akan memicu perubahan dari satu tahap ke tahap yang lain untuk setiap aktivitas pengembangan perangkat lunak.

3. Meningkatkan komunikasi yang baik antara user dan pengembang perangkat lunak.

4. Meningkatkan jaminan mutu terdahap perangkat lunak yang dikembangkan, karena jika dalam sebuah tahapan masih didapatkan kekurangan maka dapat dilakukan pengulangan/iterasi.

Fase-fase yang dilakukan oleh penulis dalam melakukan pengembangan perangkat lunak ini adalah:

1. Fase Definisi

Fase ini dikenal juga sebagai tahap pengidentifikasi tujuan aplikasi. Pada tahap ini penulis melakukan pengamatan terhadap sistem yang sedang berjalan, mengidentifikasi masalah yang terjadi dari sistem yang ada dan menentukan alur aplikasi serta persoalan data yang akan didukung oleh aplikasi yang akan dikembangkan. Pada fase ini ditentukan pula jangkauan atau batasan aplikasi. Untuk memudahkan dalam mendefinisikan analisis aplikasi, maka harus diidentifikasikan hal-hal sebagai berikut:

a. Input data, yaitu permasalah yang ada (dapat dilihat di sub bab 4.1). b. Proses data, yaitu bagaimana menyelesaikan persoalan (dapat dilihat di

sub bab 4.3).

c. Output data, yaitu hasil dari solusi yang diberikan (dapat dilihat di sub bab 4.4).

2. Fase Pengembangan

Setelah mengetahui definisi aplikasi yang akan dibuat, yang meliputi analisis terhadap aplikasi, maka fase selanjutnya adalah melakukan pengembangan. Fase ini dibagi menjadi 2 (dua) tahapan, yaitu perancangan (design) dan implementasi.

a. Perancangan (design)

42

aplikasi yang akan dibuat. Perancangan yang dilakukan meliputi halaman-halaman yang ada di dalam sistem. Selain itu aplikasi ini juga dilengkapi dengan beberapa perancangan diantaranya:

1. Perancangan Basis Data, terdiri atas:

- Struktur Tabel (dapat dilihat pada sub bab 4.8.1) - ERD (dapat dilihat pada sub bab 4.8.2)

- Diagram Relasi Antar Tabel (dapat dilihat pada sub bab 4.8.3) 2. Perancangan Aplikasi, terdiri atas:

- Diagram Konteks yang Diusulkan (dapat dilihat pada sub bab 4.9.1)

- DFD Level 1 (dapat dilihat pada sub bab 4.9.2) - DFD Level 2 (dapat dilihat pada sub bab 4.9.3) - DFD Level 3 (dapat dilihat pada sub bab 4.9.4) 3. Perancangan User Interface, terdiri atas:

- Perancangan Struktur Menu (dapat dilihat pada sub bab 4.10.1) - Perancangan Antar Muka (dapat dilihat pada sub bab 4.10.2) b. Implementasi

Pada fase ini penulis melakukan pengembangan aplikasi berdasarkan tahapan-tahapan sebelumnya. Aplikasi ini telah diimplementasikan dengan menggunakan Visual basic 6.0, algoritma yang digunakan menggunakan algoritma eigenface, dan design database yang telah dibuat, diimplementasikan dengan menggunakan Microsoft Access 2007 (dapat dilihat di sub bab 4.12).

3. Fase Pengujian

Pengujian aplikasi adalah proses untuk memastikan apakah semua fungsi dalam aplikasi bekerja dengan baik dan mencari apakah masih ada kesalahan pada sistem. Pengujian ini bertujuan untuk menjamin kualitas aplikasi dan menjadi peninjauan terhadap fase-fase sebelumnya. Pengujian dilakukan penulis kepada 3 (tiga) Pegawai FST. (hasil pengujian selengkapnya dapat dilihat di sub bab 4.13).

4. Fase Penggunaan

Pada fase ini dilakukan pengenalan terhadap aplikasi. Proses pengenalan terhadap aplikasi dilakukan dengan mendemonstrasikan aplikasi serta pelatihan terhadap user, fungsinya untuk mengurangi kemungkinan kesalahan dalam penggunaan aplikasi. Pada fase ini user dapat memberikan masukan terhadap kekurangan aplikasi, masukan atau koreksi dari userdapat dijadikan pertimbangan pada fase maintenance. 5. Fase Adaptasi (maintenance)

Setelah perangkat lunak digunakan, user akan mengenali fungsi-fungsi tambahan yang memberi mereka keuntungan, maka dilakukan pemeliharaan aplikasi yang telah diterapkan agar dapat berjalan terus dengan baik sesuai harapan. Proses yang terjadi dalam fase ini sama dengan fase pengembangan, dimana proses yang yang dilakukan sesuai dengan kebutuhan akan perbaikan aplikasi.

Dalam penulisan skripsi ini, penulis hanya membahas pada fase definisi, fase pengembangan, dan fase pengujian. Adapun fase penggunaan

44

dan fase adaptasi dapat dilakukan apabila aplikasi ini sudah diterapkan secara real.

Gambar 3.1 Siklus pengembangan model concurrent (Sumber : Pressman, 2010)

3.3 Kerangka Berpikir

Dalam melakukan penelitian ini, penulis melakukan tahapan-tahapan kegiatan dengan mengikuti rencana kegiatan yang tertuang dalam kerangka berpikir meliputi metode pengumpulan data dan metode pengembangan sistem. Kerangka berpikir penelitian ini terdapat pada gambar 3.2.

Inactive

Under development A waiting

changes

Under review

Under revision

Baselined

Done

Fase Definsi Fase Pengembangan

Fase Pengujian

Fase Penggunaan Fase

Fase Definisi Fase Pengembangan & Adaptasi Fase Pengujian Fase Penggunaan

Analisis Sistem Berjalan

Permasalahan

Analisis Persyaratan (Requirements)

Analisis Aplikasi Usulan

Perancangan Basis Data Struktur Tabel

Perancangan ERD Diagram Relasi Antar Tabel

Perancangan User Interface Perancangan

Aplikasi Diagram Konteks yg di Usulkan

DFD

Perancangan Struktur Menu Perancangan Antar Muka

Pengujian

Pembuatan Laporan

End Coding

Implementasi Aplikasi

46

BAB IV

HASIL DAN PEMBAHASAN

Pada bab ini akan dibahas secara detail dan terperinci mengenai aplikasi yang akan diimplementasikan dengan menerapkan metodologi penelitian yang telah diuraikan pada bab sebelumnya. Pada bab sebelumnya telah dibahas bahwa model pengembangan sistem yang akan digunakan dalam pengembangan aplikasi ini adalah concurrent model.

4.1 Analisis Sistem yang Berjalan

Berdasarkan pengamatan, observasi dan wawancara yang dilakukan oleh penulis, berikut ini alur kerja sistem yang berjalan:

a. Kehadiran Pengajaran Dosen

Sejak tahun 2010/2011, prodi TI memberikan nama-nama dosen untuk diinput oleh pihak akademik FST. Akademik FST (admin) mempersiapkan nama-nama dosen dalam map absensi berwarna merah, di dalam map merah tersebut sudah tersedia lembaran kehadiran dosen, nama-nama mahasiswa/i, dan matakuliah yang diajarkan.

Kemudian seorang dosen jika ingin mengajar dalam suatu perkuliahan yang sudah ditentukan jadwalnya, maka dosen tersebut dianjurkan untuk menandatangani daftar kehadiran yang sudah disediakan oleh pihak admin FST, yaitu di ruang pelayanan akademik lantai II FST. Kemudian admin langsung menyiapkan dan memberikan daftar hadir mahasiswa/i dan

matakuliah dosen yang bersangkutan (lembaran-lembaran tersebut sudah admin siapkan didalam map berwarna merah). Peraturan yang sudah diterapkan di FST adalah: map merah tidak boleh diwakilkan oleh mahasiswa/i, boleh diwakilkan oleh mahasiswa/i jika dalam keadaan terdesak dan harus dengan memo tertulis dari dosen tersebut.

Kemudian dosen akan pergi ke kelas yang akan dituju sambil membawa map merah, map merah digunakan untuk absensi atau presensi mahasiswa dan dosen TI.

Setelah perkuliahan selesai seluruh mahasiswa wajib melakukan tanda tangan di map merah yang didalamnya berisi nama-nama mahasiswa dan jumlah kehadiran mahasiswa min.12x max.15x pertemuan. Begitupun setelah dosen selesai mengajar, dosen mengembalikan map merah tersebut ke lantai 2 FST ruang pelayanan.

Setelah itu, akademik FST akan merekap kehadiran dosen selama satu semester tapi dalam hal pelaporan/rekapannya, akan dihitung perhari.

Terakhir, hasil rekapan kehadiran dosen dalam satu bulan akan diduplikat / di copy untuk diserahkan kepada bagian keuangan FST, untuk menghitung gaji dosen yang biasanya gaji tersebut diberikan perbulan.

48

Gambar 4.1 Flowchart Kehadiran Pengajaran Dosen yang berjalan

Absensi Kehadiran Pengajaran Dosen

Dosen FST Mahasiswa

Start

Absensi Dosen

Map Merah

Map Merah

Map Merah

Absensi Mahasiswa

Map Merah

Map Merah

Pengisian LKM

Map Merah

Map Merah

4.1.1 Analisis input (masukan)

Tujuan dari Analisis ini adalah untuk mengetahui data apa saja yang menjadi masukan pada sistem yang berjalan. Masukan dari sistem yang berjalan adalah:

a. Data-data di program studi teknik informatika, pada penelitian ini penulis meminjam data-data absensi dosen yang masih manual, biasanya di simpan di dalam map kuning, data tersebut terdiri nama dosen, mata kuliah yang diajarkan, sks, ruang kls, jumlah kehadiran dan keterangan bila dosen tidak mengajar. Selain itu, ada data berisi biodata dosen. Ketika aplikasi ini akan dibuat, maka penulis akan menjelaskan algoritma eigenface dan menganalisa cara kerja tersebut.

4.1.2 Analisis output(keluaran)

Tujuan dari Analisis ini adalah untuk mengetahui data apa saja yang menjadi keluaran pada sistem yang berjalan nantinya (sistem baru). Keluaran dari sistem yang berjalan (sistem baru) adalah:

a. Jika sistem baru telah dibuat, yaitu aplikasi kahadiran pengajaran dosen, diharapkan adanya output berupa data-data laporan jumlah kehadiran pengajaran dosen juga data-data laporan mata kuliah apa saja yang akan diajarkan oleh setiap dosen, sks, ruang. Dan data laporan tersebut bisa dicetak oleh FST jika memang diperlukan.

b. Dengan adanya aplikasi ini, diharapkan memberi kemudahan, baik dari FST dalam hal pelaporan maupun dosen yang ingin melakukan presensi.

50

4.2 Permasalahan

Berdasarkan uraian singkat serta flowchart sistem yang sedang berjalan, maka dapat diidentifikasikan kelemahan-kelemahan dari sistem yang sedang berjalan, yaitu:

a. Kehadiran pengajaran dosen masih bersifat manual, yaitu dosen yang ingin mengajar melakukan absensi secara tertulis di kertas yang disimpan di dalam map.

b. Jika data disimpan secara manual atau kertas, kemungkinan terjadi hilangnya data karena terbuang tidak sengaja, sobek, hilang, apalagi jika tidak ada backup data.

4.3 Analisis Persyaratan (Requirement)

Setelah mengetahui permasalahan pada sistem yang berjalan selanjutnya penulis melakukan analisis requirement sebagai solusi masalah tersebut.

Requirement yang ada dibagi menjadi 2 (dua) bagian. Bagian pertama adalah

Functional Requirementyaitu aktivitas dan serviceyang harus disediakan oleh aplikasi yang akan dikembangkan. Bagian kedua adalah Nonfunctional Requirement yaitu fitur-fitur lain yang diperlukan oleh aplikasi agar dapat lebih memuaskan useratau pengguna.

a. Functional Requirement

Aplikasi yang dikembangkan harus mempunyai functional

1. Membuat aplikasi kehadiran pengajaran dosen yang baik, antara lain meliputi:

a. Program yang dibuat dapat menerima masukan berupa citra wajah yang di-capture dengan alat bantu webcame.

b. Algoritma yang digunakan untuk identifikasi wajah adalah

Eigenface algorithm.

c. Menjelaskan proses / langkah-langkah dari algoritma eigenface. d. Identifikasi dilakukan dengan pattern matching sederhana tanpa

menggunakan metode pembelajaran khusus seperti Jaringan

Syaraf Tiruan(Neural Network).

e. Sistem yang dihasilkan hanya dapat mengenali image dengan format .jpg.

b. Nonfunctional Requirement

Nonfunctional requirement dari aplikasi yang dikembangkan akan dijelaskan dalam tabel 4.1.

52

Tabel 4. 1Nonfunctional Requirement

4.4 Analisis Aplikasi Usulan

Berdasarkan analisis yang didapat dari hasil observasi dan wawancara yang dilakukan, penulis bermaksud mengusulkan sebuah aplikasi kehadiran pengajaran dosen dengan metode eigenface (pengenalan wajah), di khususkan bagi dosen Program Studi Teknik Informatika UIN Jakarta. Aplikasi ini diharapkan dapat menjadi sarana absensi yang memudahkan antara dosen dan FST.

Pada pengembangannya, penulis melakukan studi kasus pada Fakultas Sains dan Teknologi UIN Jakarta. Usulan aplikasi yang dimaksud adalah sebagai berikut:

Jenis Kebutuhan Penjelasan

1. Model Tampilan (Performance)

a. Mengefisienkan waktu proses pengolahan data. b. Tampilan interfaceyang user friendlysehingga lebih

mudah dimengerti dan digunakan user.

2. Model penyimpanan (Information)

a. Melakukan penyimpanan data berupa data laporan kehadiran dosen, mata kuliah, sks, kelas, nama-nama mahasiswa, juga biodata dosen.

b. Meminimalisasi terjadinya kesalahan penginputan data. c. Data terdokumentasi dan terstruktur. Sehingga kecil

kemungkinan terjadinya kehilangan data secara manual.

3. Model Pengontrolan Sistem (Control)

a. Meningkatkan keamanan terhadap pelaksanaan proses penyimpanan data.

a. Kehadiran Pengajaran Dosen

Jika dosen ingin mengajar, maka dosen harus pergi ke FST untuk melakukan absensi dengan cara mengcapture wajah yang sudah tersedia melalui aplikasi pengenalan wajah, jika telah selesai maka dosen akan pergi ke kelas yang akan dituju sambil membawa map merah, map merah digunakan untuk absensi mahasiswa saja.

Setelah perkuliahan selesai seluruh mahasiswa wajib melakukan tanda tangan di map merah yang didalamnya berisi nama-nama mahasiswa dan jumlah kehadiran mahasiswa min.12x max.15x pertemuan.

Begitupun setelah dosen selesai mengajar, dosen mengembalikan map merah tersebut ke lantai 2 FST ruang pelayanan.

Jadi yang membedakan antara kehadiran pengajaran dosen secara manual dan terkomputerisasi, terletak pada form presensi dimana pada sistem terkomputerisasi ketika dosen mengcapture wajah dengan webcame maka dosen harus mengisi mata kuliah apa yang diajarkan, ruang berapa, jumlah sks. Sedangkan pada sistem manual, dosen harus mengisi mata kuliah, ruang berapa, jumlah sks itu pada map merah (data berupa lembar kertas). Selain itu pada sistem terkomputerisasi dosen tidak perlu melakukan tanda tangan di map merah yang biasa dilakukan pada sistem manual.

54

Gambar 4.2 Flowchart Kehadiran Pengajaran Dosen yang diusulkan

Absensi Kehadiran Pengajaran Dosen

Dosen FST Mahasiswa

Start

Absensi Dosen

Map Merah

Map Merah

Pengisian LKM

Map Merah Map Merah

End Absensi

Dosen (face image)

Map Merah

Dosen Mengajar

Absensi Mahasiswa

4.5 Analisis Proses 4.5.1 Eigenface

Kata eigenface sebenarnya berasal dari bahasa Jerman “eigenwert”

dimana “eigen” artinya karakteristik dan “wert” artinya nilai. Eigenface

adalah salah satu algoritma pengenalan pola wajah yang berdasarkan pada Principle Component Analysis (PCA) yang dikembangkan di MIT (Prasetyo dan Rahmatun).

Banyak penulis lebih menyukai istilah eigenimage. Teknik ini telah digunakan pada pengenalan tulisan tangan, pembacaan bibir, pengenalan suara dan pencitraan medis. Menurut layman (Al Fatta, 2009) Eigenface

adalah sekumpulan standardize face ingredient yang diambil dari analisis statistik dari banyak gambar wajah.

Untuk menghasilkan eigenface, sekumpulan citra digital dari wajah manusia diambil pada kondisi pencahayaan yang sama kemudian dinormalisasikan dan diproses pada resolusi yang sama (misal m x n), kemudian citra tadi diperlakukan sebagai vektor dimensi m x n dimana komponennya diambil dari nilai piksel citra.

Algoritma Eigenface secara keseluruhan cukup sederhana. Image Matriks (Γ) direpresentasikan ke dalam sebuah himpunan matriks (Γ1,

Γ2, … , ΓM). Cari nilai rata-rata (Ψ) dan gunakan untuk mengekstraksi

eigenvector (v) dan eigenvalue (λ) dari himpunan matriks. Gunakan nilai

eigenvector untuk mendapatkan nilai eigenface dari image. Apabila ada sebuah image baru atau test face (Γnew) yang ingin dikenali, proses yang

56

sama juga diberlakukan untuk image (Γnew), untuk mengekstraksi

eigenvector (v) dan eigenvalue (λ), kemudian cari nilai eigenface dari

image test face (Γnew). Setelah itu barulah image baru (Γnew) memasuki

tahapan pengenalan dengan menggunakan metode euclidean distance

Gambar 4.3 Alur proses identifikasi image menggunakan algoritma eigenface

Start

Database Wajah

Training Image X

E1= Eigenface X

Test Face Xn

E2= Eigenface X

E1= E2

Tampilkan W1dan W2

58

4.5.2 Cara Kerja Eigenface denganPCA/ Karhunen-Loeve (KL)

Pengenalan wajah merupakan suatu pengenalan pola (pattern recognition) yang khusus untuk kasus wajah. Ini dapat dideskripsikan sebagai pengklasifikasian suatu wajah apakah dikenali (known) atau tidak dikenali (unknown), dimana setelah dibandingkan kemudian disimpan secara tersendiri. Beberapa pendekatan untuk pengenalan obyek didasarkan secara langsung pada citra-citra tanpa penggunaan model 3D dan Jaringan Syaraf Tiruan.

Secara umum sistem dibagi menjadi dua jenis, yaitu sistem feature based danimage based. Pada sistem yang pertama digunakan fitur yang diekstraksi dari komponen citra wajah (mata, hidung, mulut dll) yang kemudian hubungan antara fitur-fitur tersebut dimodelkan secara geometris. Sedangkan sistem kedua menggunakan informasi mentah dari piksel citra (webcam) yang kemudian direpresentasikan dalam metode tertentu misalnya principal component analysis (PCA), transformasi wavelet yang kemudian digunakan untuk klasifikasi identitas citra.

Pendekatan image basedkebanyakan digunakan untuk pengenalan wajah. Pada metode ini, model wajah dipelajari melalui proses training dengan menggunakan satu set data pelatihan yang berisi contoh-contoh wajah. Kemudian hasil training ini digunakan untuk pengenalan wajah. Yang termasuk dalam metode ini adalah eigenface.

Proyeksi ruang eigen (eigenspace) dikenal juga sebagai Karhunen-Loeve (KL) atau juga dinamakan dengan Principal Component Analysis

(PCA). Algoritma eigenface memanfaatkan Principal Component Analysis (PCA) untuk mereduksi dimensinya guna menemukan vektor-vektor yang mempunyai nilai terbaik untuk distribusi citra wajah didalam ruang citra masukan.

Ide utama PCA adalah menemukan vektor dengan nilai terbaik untuk distribusi citra wajah dalam seluruh ruang citra. Vektor-vektor ini mendefinisikan subruang citra wajah atau biasa disebut dengan nama ruang wajah.

Vektor ini mendefinisikan subruang dari citra-citra wajah dan subruang tersebut dinamakan ruang wajah. Semua wajah-wajah dalam himpunan pelatihan diproyeksikan ke dalam ruang wajah untuk menemukan suatu himpunan bobot-bobot yang mendeskripsikan kontribusi dari tiap vector dalam ruang wajah. Untuk identifikasi suatu citra uji, membutuhkan proyeksi suatu citra ke dalam ruang wajah untuk

menentukan korespondensi kumpulan bobot-bobot. Dengan

membandingkan kumpulan bobot-bobot wajah dalam training set, Pengujian citra dapat diidentifikasi. Prosedur kunci dalam PCA didasarkan pada tranformasi Karhumen-Loeve.

Bentuk umum dari Principal Component Analysis (PCA) dapat dilihat berikut ini:

Dimana C merupakan matriks kovarian, x merupakan image (x1, x2,

60

(x1, x2, … , xk). Dengan dekomposisi eigen, matriks kovarian ini dapat

didekomposisi menjadi:

Dimana Ф adalah selisih antara image (x) dengan nilai tengah (Ψ). Pilih sejumlah kolom dari matriks Ф yang berasosiasi dengan eigenvalue

terbesar. Pemilihan sejumlah m kolom dari matriks Ф ini menghasilkan matriks transformasi atau matriks proyeksi Фm. Berikutnya sebuah image

x (berdimensi n) dapat diekstraksi kedalam feature baru y (berdimensi m < n) dengan memproyeksikan x searah denganФmsebagai berikut:

Dengan kata lain metode PCA memproyeksikan ruang asal kedalam ruang baru yang berdimensi lebih rendah, yang mana sebanyak mungkin kandungan informasi asal tetap dipertahankan untuk tidak terlalu banyak hilang setelah dibawa ke dimensi feature yang lebih kecil. Disini terlihat reduksi feature yang signifikan dari n buah menjadi m

buah yang tentunya akan sangat meringankan komputasi dalam proses pengenalan berikutnya.

4.6 Analisis Komponen Sistem

Sistem terdiri dari beberapa komponen yang dapat digambarkan dalam suatu model seperti yang tampak pada Gambar 4.4.

Gambar 4.4 Hubungan antar komponen pada Aplikasi Kehadiran Pengajaran Dosen Berbasis Pengenalan Wajah

Keterangan:

1. Komponen Webcam

Piranti masukan yang digunakan dalam Aplikasi Kehadiran Pengajaran

Dosen Berbasis Pengenalan Wajah ini adalah webcam. Webcam

digunakan untuk dua kegunaan yaitu:

a. Digunakan untuk melengkapi data dosen dengan foto, dimana foto ini akan disimpan ke dalam database, yang nantinya akan dicocokkan dengan image wajah yang di capture saat proses presensi

dilakukan.

b. Digunakan untuk meng-capture image wajah dosen pada saat proses

presensi/absensi. Dengan menggunakan webcam, image wajah dosen diambil, kemudian image wajah ini dicocokkan dengan image wajah yang ada dalam database.

Image Capturing

Antarmuka Pengguna

(Dosen)

Komponen Sub-Sistem Pengenalan Wajah

File Wajah

Komponen Basis Data

62

2. Komponen Image Capturing

Komponen ini berfungsi untuk melakukan mekanisme mengambil citra wajah dengan media webcam, baik untuk disimpan sebagai file image

wajah maupun untuk image wajah yang digunakan sebagai input pada saat proses presensidilakukan.

3. Komponen Antarmuka

Komponen ini berfungsi untuk menjembatani komunikasi antara pengguna dengan sistem. Baik untuk proses input data dosen, maupun proses presensikedalam sistem.

4. File Wajah

Image wajah dosen (testface) yang digunakan untuk melengkapi data dosen disimpan dalam database dosen, dan file wajah ini bisa dipanggil dengan menggunakan nama file wajah yang ada.

5. Komponen Database

Komponen ini berfungsi menyimpan data yang terdapat dalam aplikasi.

6. Subsistem Pengenalan Wajah

Pengenalan wajah dilakukan dengan mencocokkan image wajah yang

di-capture pada saat presensi dengan image wajah yang ada didalam

database dosen. Langkah-langkah pencocokan wajah (image matching) dapat dilihat pada Gambar 4.5.

Tesface Tesface Ternormalisasi

Eigenface

Eigenface

Flatvector Citra Wajah

Eigenface

Gambar 4.5 Langkah-langkah Proses Identifikasi Image Wajah

Keterangan:

1. Image wajah di-capture dengan menggunakan webcam. Hasil dari

capturing ini adalah file gambar yang bertipe .bmp.

2. Image wajah ini kemudian dinormalisasikan. Normalisasi dilakukan dengan beberapa tahapan. Pertama image diturunkan kualitas warnanya menjadi tipe grayscale. Ukuran dari image wajah juga diseragamkan dengan ukuran 80 x 80 piksel.

3. Setelah didapatkan image wajah yang ternormalisasi, tentukan eigenface

dari image wajah tersebut, misalnya diperoleh nilai μ.

Webcam Normalisasi

Image

Kalkulasi Eigenface

Proses Matching

Cari Selisih yang paling kecil antara testface dengan eigenface pada citra-citra wajah yang terdapat dalam database.

Kalkulasi Eigenface Database

sama yaitu dengan sidik jari, dan aplikasi seperti apa yang sebaiknya saya akan implementasikan nantinya?

N : Sebaiknya jangan sidik jari, cari saja karakteristik yang lain sebab sidik jari sudah sangat banyak aplikasi yang sudah ibu ketahui.

P : Bu apakah aplikasi ini harus sempurna sesuai harapan ibu, sebab saya banyak kesulitan ketika sedang membuat aplikasi biometrik tersebut, sehingga pada akhirnya saya menemukan banyak sumber yaitu pencarian jurnal yang berhubungan dengan pengenalan wajah (eigenface) di internet juga saya menemukan buku karya hanif al fatta yang saya jadikan sumber utama agar saya paham dan mengerti?

N : Tidak harus sempurna yang penting aplikasi tersebut sudah bisa di running (Aplikasi Kehadiran Pengajaran Dosen Tersebut, antara wajah dengan biodata tersebut terjadi kecocokan) dan layak di praktekan pada Seminar Skripsi nanti.

Wawancara setelah Seminar Skripsi selesai. Wawancara dilakukan penulis pada: Tgl/Bln/Thn : 14/07/2011

Pukul : 13.20

N : Setelah ibu lihat aplikasi yang kamu buat ada beberapa kelemahan pada aplikasi ini, diantaranya:

Karena aplikasi ini hanyalah simulasi, maka terdapat beberapa kekurangan diantaranya:

1. Keterbatasan kapasitas webcame yang dipakai oleh penulis (1,3 MP), sehingga terjadi kesalahan dalam mendeteksi foto yang dimaksud dengan foto yang sebelumnya. Selain itu, jika webcame yang dipakai kurang dari 3 MP, maka akan mempengaruhi yang lainnya, diantaranya:

a. Perubahan latar (background) dapat mengurangi kualitas pengenalan wajah. Dalam hal ini, wajah akan dikenal jika latar (background) berwarna putih / polos. Background tidak akan mempengaruhi wajah seseorang pada saat mengcapture, jika webcame yang dipakai memiliki kapasitas diatas 3 MP.

b. Pencahayaan yang terlalu tinggi (cahaya matahari dari depan atau belakang terlalu tinggi) dapat mengurangi keakuratan pengenalan wajah. Pencahayaan yang terlalu tinggi tidak akan mengurangi keakuratan wajah seseorang pada saat mengcapture, jika webcame yang dipakai memiliki kapasitas diatas 3 MP.

2. Jarak kamera dan wajah yang dicapture dibuat konstan (± 30 cm) lebih dari itu maka wajah tidak akan dikenali / terjadi kesalahan pada foto. 3. Ketergantungan terhadap database harus sama dengan nama file suatu

image. Jika tidak sama maka tidak akan mampu melakukan validasi sekiranya terjadi perubahan nama, baik pada database ataupun nama file suatu image.

Dan jangan lupa kelemahan/kekurangan yang ada pada aplikasi yang sudah kamu buat, kamu tulis di bab v, sebagai kesimpulan dan saran.

Narasumber ke 2: Ibu Sukmayati, beliau adalah Kepala Sub Bag Akademik FST. Wawancara dilakukan penulis pada:

Tgl/Bln/Thn : 14/07/2011 Pukul : 13.20

P : Apa Kritik dan Saran Ibu setelah ibu melihat “Aplikasi Kehadiran Pengajaran Dosen Menggunakan Algoritma Eigenface (Pengenalan Wajah)” yang saya buat?

N : Untuk mahasiswi yang sedang melakukan penelitian tentang pengenalan wajah, aplikasi tersebut tidak harus sempurna yang terpenting adalah aplikasi tersebut bisa di running dan ada laporan kehadiran dosen tersebut. Selain itu saya tidak mengharuskan aplikasi tersebut harus sempurna tetapi hanya simulasi saja agar kedepannya kamu semakin mengerti dan paham dan kamu bisa mengembangkannya pada suatu saat nanti.

Dan di Fakultas sendiri memang telah ada Sistem Absensi Pegawai (Dosen dan semua Pegawai lainnya yang bekerja di FST dan Prodi TI) yang menggunakan sidik jari. Namun, dalam ilmu biometrik cakupan perkembangannya sangat pesat tidak hanya digunakan pada sidik jari saja

tapi juga bisa dengan pengenalan wajah, retina dan lain-lain. Menurut beliau, ada baiknya jika Sistem Absensi Pegawai lebih dispesifikasikan lagi dengan dibuatnya Aplikasi Kehadiran Pengajaran Dosen.

Sistem yang berjalan sekarang ini, untuk kehadiran dosen masih bersifat manual dimana seorang dosen jika ingin mengajar dalam suatu perkuliahan yang sudah ditentukan jadwalnya, maka dosen tersebut dianjurkan untuk menandatangani daftar kehadiran yang sudah disediakan oleh pihak admin FST, yaitu di ruang pelayanan akademik lantai II FST. Kemudian admin langsung menyiapkan dan memberikan daftar hadir mahasiswa/i dan matakuliah dosen yang bersangkutan (lembaran-lembaran tersebut sudah admin siapkan didalam map berwarna merah). Peraturan yang sudah diterapkan di FST adalah: map merah tidak boleh diwakilkan oleh mahasiswa/i, boleh diwakilkan oleh mahasiswa/i jika dalam keadaan terdesak dan harus dengan memo tertulis dari dosen tersebut.

Kemudian dosen akan pergi ke kelas yang akan dituju sambil membawa map merah, map merah digunakan untuk absensi atau presensi mahasiswa dan dosen TI. Setelah perkuliahan selesai seluruh mahasiswa wajib melakukan tanda tangan di map merah yang didalamnya berisi nama-nama mahasiswa dan jumlah kehadiran mahasiswa min.12x max.15x pertemuan. Begitupun setelah dosen selesai mengajar, dosen mengembalikan map merah tersebut ke lantai 2 FST ruang pelayanan.

Penandatanganan daftar kehadiran dosen masih dilakukan secara manual. Kekurangan dari sistem manual adalah kesalahan bisa saja terjadi

pada data yang tertulis, atau data bisa hilang sewaktu-waktu, dan ada baiknya jika Sistem Absensi Pegawai lebih dispesifikasikan lagi dengan dibuatnya Aplikasi Kehadiran Pengajaran Dosen. Menurutnya, aplikasi tersebut harus dapat mengetahui berapa kali dosen masuk dan tidak masuk dalam satu semester (pelaporan dihitung per hari), dengan cara setiap dosen yang ingin mengajar sebelum masuk kelas, dosen tersebut harus merekam wajahnya dengan menggunakan webcam yang dipasang di komputer yang tersedia di akademik FST.

Narasumber ke 3: Ibu Yarsi Berlianti, beliau adalah Kepala Bagian Tata Usaha FST.

Tgl/Bln/Thn : 14/07/2011 Pukul : 13.20

P : Apa Kritik dan Saran Ibu setelah ibu melihat “Aplikasi Kehadiran Pengajaran Dosen Menggunakan Algoritma Eigenface (Pengenalan Wajah)” yang saya buat?

N : Pentingnya aplikasi kehadiran pengajaran dosen sangat diperlukan sebab, hasil akhir pelaporan tersebut akan dihitung oleh bagian keuangan FST sebagai gaji dosen nantinya. Lembaran kehadiran pengajaran dosen yang masih bersifat manual akan menyulitkan bagian keuangan FST sebab, kesalahan bisa saja terjadi pada data yang tertulis, atau data bisa hilang

sewaktu-waktu, hal demikianlah yang nantinya merugikan dosen pada akhirnya. Oleh sebab itu, ada baiknya jika Sistem Absensi Pegawai lebih dispesifikasikan lagi dengan dibuatnya Aplikasi Kehadiran Pengajaran Dosen.

Narasumber ke 4: Dra. Mirna Adriani, Ph.D., beliau adalah dosen Teknik Informatika UI dan juga sekaligus Kepala Lab UI, yang telah meluangkan waktunya kepada penulis. Beberapa pertanyaan yang diajukan penulis kepada beliau diantaranya:

P : Dari sekian banyak metode yang dipakai pada aplikasi pengenalan wajah, menurut ibu, aplikasi yang akan saya buat nanti metode apakah yang cocok?

N: Untuk seorang pemula yang ingin mempelajari tentang pengenalan wajah, hendaknya mempelajari metode eigenface karena menurutnya metode eigenface adalah basic / dasar yang kedepannya jika sudah mengetahui metode tersebut boleh dilanjutkan ke metode selanjutnya, karena setelah metode eigenface banyak metode yang memiliki tingkatan kesulitan yang berbeda-beda. Setelah metode yang lain telah dikuasai barulah mahasiswa tersebut menambah morfologi wajah dengan neural network atau 3D atau juga fuzzy logic, tergantung kebutuhan yang ingin dipakai.