Pengolahan Data

4.2 Pengolahan Data

Pengolahan data secara garis besar terbagi dua yaitu pengolahan data hasil dari uji akurasi aplikasi. Dimana hasil dari uji akurasi akan menentukan dan bagaimana implementasi dari pengolahan data yang selanjutnya yaitu pengolahan aplikasi absensi berbasis pengenalan wajah.

4.2.1 Pengolahan Data Uji Akurasi Aplikasi

Pengolahan data untuk uji akurasi aplikasi secara garis besar terbagi menjadi dua bagian yaitu pengenalan wajah dan latih wajah. \ Pada proses pengenalan wajah citra diunggah dan kemudian diproses dengan keluaran hasil sukses berupa terdeteksi dan dikenali serta hasil salah berupa tidak terdeteksi (tidak ada citra wajah pada gambar). Seluruh bentuk keluaran masih berupa skrip, namun terdapat indikator pada bagian-bagian tertentu untuk mengetahui hasilnya.

Untuk terdeteksi artinya ada wajah pada citra namun sistem tidak mengenali wajah tersebut. Keluaran dari proses aplikasi dapat dilihat pada gambar 4.1.

Gambar 4.1. Terdeteksi

Dapat dilihat pada gambar 4.1 Indikator yang menunjukan terdeteksi wajah pada citra terdapat pada bagian “status”,”failure” yang artinya pengenalan proses gagal dan “message”,“no match found” yang tidak ada wajah yang cocok.

Sedangkan dikenali berarti ada wajah dalam aplikasi dan pemilik wajah dikenali oleh sistem. Indikator yang menunjukan wajah dikenali ada bagian “status”,”succes” yang artinya proses pengenalan wajah sukses. Keluaran dari proses aplikasi dapat dilihat pada gambar 4.2.

Gambar 4.2. Dikenali

Dapat dilihat gambar 4.2. pada bagian “subject_id”, “faisal2” artinya wajah dikenali sebagai subject_id faisal2. Subject_id merupakan nomor unik yang diberikan pada setiap wajah sebagai pembeda dengan wajah lainnya. Singkatnya subject_id pada aplikasi sama fungsinya dengan plat nomor pada mobil atau nomor KTP pada KTP.

Bagian candidates merupakan kanditat subject_id lainnya yang mungkin cocok dengan citra wajah dan bagian confidence merupakan Bagian candidates merupakan kanditat subject_id lainnya yang mungkin cocok dengan citra wajah dan bagian confidence merupakan

Tidak terdeteksi artinya tidak ada wajah pada citra. Indikator yang menunjukan citra wajah tidak terdeteksi ada pada bagian no faces found in the image yang artinya tidak ada wajah pada gambar. Keluaran dari proses aplikasi dapat dilihat pada gambar 4.3.

Gambar 4.3. Tidak Terdeteksi

Setelah citra diuji, hasil pengujian tersebut dicatat dalam format tabel seperti digambarkan pada gambar 4.4.

Hasil Chicony 2.0

Tipe Kamera

Deteksi Waktu

Citra CMET-W002

C270

Gambar 4.4. Gambar Format Tabel Hasil Pengujian

Pada proses latih wajah citra diunggah bersama dengan subject_id dari wajah kemudian diproses dengan keluaran hasil benar berupa terdeteksi dan citra akan langsung dimasukan ke database serta hasil salah berupa tidak terdeteksi (tidak ada citra wajah pada gambar) dan terlalu banyak citra wajah pada gambar. Seluruh bentuk keluaran masih berupa skrip, namun terdapat indikator pada bagian-bagian tertentu untuk mengetahui hasilnya.

Citra wajah yang terdeteksi pada proses latih wajah dimasukan ke database bersama dengan subject_id yang mewakilinya. Indikator yang menunjukan wajah terdeteksi dan proses latih wajah berhasil ada pada bagian “status”,”succes” yang artinya proses pelatihan wajah sukses. Keluaran dari proses aplikasi dapat dilihat pada gambar 4.5.

Gambar 4.5. Terdeteksi

Dapat dilihat pada gambar 4.5 pada proses latih wajah pada bagian subject_id terdapat “hamdan4” yang artinya wajah pada gambar 4.5 diberi subject_id hamdan4.

Tidak terdeteksi pada latih wajah sama dengan proses pengenalan wajah. Sehingga Indikator yang meunjukan juga sama yaitu pada bagian “message”, “no faces found in the image” yang artinya tidak ada wajah pada gambar. Keluaran dari proses aplikasi dapat dilihat pada gambar 4.6.

Gambar 4.6. Tidak Terdeteksi

Pelatihan wajah hanya dapat dilakukan untuk satu orang perproses. Sehingga jika terdeteksi lebih dari satu citra wajah, seluruh citra wajah tersebut tidak dimasukan ke database. Indikator yang menunjukan terlalu banyak wajah pada gambar ada pada bagian “message”,”to many face found in the image” yang artinya terlalu banyak wajah pada gambar. Keluaran dari proses aplikasi dapat dilihat pada gambar 4.7.

Gambar 4.7. Terlalu Banyak Wajah

Setelah citra diuji, hasil pengujian tersebut dicatat dalam format tabel. Seperti yang telah dijelaskan pada bab 3 bahwa citra latih yang digunakan adalah enam buah, yang artinya dua untuk setiap kamera seperti digambarkan pada gambar 4.8.

Latih Waktu Chicony 2.0

Tipe Kamera

Latih Waktu

Foto CMET-W002

C270

Gambar 4.8. Gambar Format Tabel Hasil Pengujian

Wajah tidak temukan dan terlalu banyak wajah pada satu gambar merupakan error message atau pesan kesalahan yang berarti proses pengenalan, deteksi atau latih mengalami kendala sehingga tidak dapat memberikan hasil yang diinginkan.

Dapat dilihat pada gambar 4.3, gambar 4.6 dan gambar 4.7 bahwa setiap pesan kesalahan diawali dengan “errors” dilanjutkan dengan pesan kesalahan dan kode kesalahannya. Selain dari pesan kesalahan yang telah isebukan ada beberapa pesan kesalahan lain yang terdapat pada aplikasi. Kesalahan tersebut merupakan kesalahan yang jarang terjadi seperti pemeliharan server (maintenance server), terdapat karakter khusus pada id, nama id terlalu panjang, dan lain-lain. Selengkapnya dapat dilihat pada tabel 4.1

Tabel 4.1 Kairos Error Message

Kode No

Keterangan Kesalahan

Pesan Kesalahan

Terdapat karakter yang 1 1000

invalid characters found dilarang pada in parameters

subject_id (contoh : /.,!@#$%^&, dll) 2 1004

file name is too long Nama yang diberikan pada file name is too long Nama yang diberikan pada

sedang mengalami 3 3001

API temporarily

API

pemeliharan server

unavailable

(maintenance server)

Gambar yang dikirim harus 4 5000

an invalid image was

sent must be jpg or png

berformat PNG atau JPG

format no faces found in the

Tidak terdapat wajah pada 5 5002

image

gambar

Wajah yang terdeteksi setelah 6 5005

face that was detected is

corrupt and cannot be

diteliti kembali ternyata bukan

processed

wajah Terlalu banyak wajah pada

gambar (latih wajah) Sumber : https://www.kairos.com/docs/api/error-codes, selengkapnya dapat dilihat

too many faces in image

pada lampiran

Lain halnya dengan masalah koneksi internet, pada kasus tidak ada koneksi internet atau koneksi internet terlalu kecil aplikasi tidak akan memberikan hasil apapun (sukses maupun pesan kesalahan). Sehingga indikator yang menunjukan koneksi internet tidak ada atau koneksi internet terlalu kecil adalah kosong. seperti diperlihatkan gambar 4.9.

Gambar 4.9. Tidak Ada Koneksi Internet

4.2.2 Pengolahan Data Implementasi Aplikasi Sistem Absensi Berbasis Pengenalan Wajah

Sama seperti uji akurasi pengolahan data pada implementasi aplikasi sistem absensi berbasis pengenalan wajah secara garis besar terbagi menjadi dua bagian yaitu pengenalan wajah dan latih wajah.

Pengolahan data pada bagian ini tidak serumit pada uji akurasi, karena keluaran tidak lagi berupa skrip, melainkan sudah berupa pesan yang mewakili hasil proses dari pengenalan maupun latih wajah aplikasi.

Pada proses pengenalan wajah terdapat frame pengambilan citra wajah yang secara otomatis akan mengambil citra, jika pada frame terdeteksi sebuah wajah. Citra tersebut diunggah dan Pada proses pengenalan wajah terdapat frame pengambilan citra wajah yang secara otomatis akan mengambil citra, jika pada frame terdeteksi sebuah wajah. Citra tersebut diunggah dan

Gambar 4.10. Pengenalan Wajah Pada Implementasi Sistem

Dapat dilihat pada gambar 4.10 bahwa keluaran yang diberikan yaitu “terjadi kesalahan koneksi internet bermasalah silakan coba kembali”. Keluaran selengkapnya dapat dilihat pada tabel 4.2.

Tabel 4.2 Keluaran Pada Proses Pengenalan Wajah

No Keluaran Hasil Sukses Keluaran Hasil Gagal

1 Selamat datang (nama) Tidak ada Koneksi Internet 2 Selamat pulang (nama)

Wajah Tidak ditemukan 3 Anda sudah melaksanakan absen hari ini

Wajah Tidak Terdaftar

Pada gambar 4.10 juga terdapat “status” yang merupakan status proses penganalan wajah, dimana “ok” berarti aplikasi sudah siap presensi wajah bisa dilaksanakan, dan “harap tunggu” berarti aplikasi sedang memproses presensi wajah dan presenti tidak dapat dilakukan.

Untuk pesan kesalahan (error message) selain dari yang terdapat pada tabel seperti maintenance server aplikasi memiliki pesan default yaitu “terjadi kesalahan silahkan coba kembali”.

Proses latih tidak terlalu berbeda dengan proses pengenalan wajah, perbedaannya terletak pada pengambilan citra. Setelah ID dan nama karyawan dimasukan, wajah yang akan dilatih kemudian dihadapkan pada webcam dengan posisi yang pas terlebih dahulu selanjutnya tekan tombol ikon kamera pada frame untuk mengambil citra. Citra tersebut diunggah dan diproses dengan keluaran berupa hasil benar dan hasil. Lebih jelasnya dapat dilihat pada gambar 4.11

Gambar 4.11. Latih Wajah Pada Implementasi Sistem

Dapat dilihat pada gambar 4.10 bahwa keluaran yang diberikan

yaitu “terjadi kesalahan koneksi internet bermasalah silakan coba kembali”. Keluaran selengkapnya dapat dilihat pada tabel 4.3.

Tabel 4.3 Keluaran Pada Proses Latih Wajah No

Keluaran Hasil Sukses Keluaran Hasil Gagal

Data karyawan berhasil 1 Tidak ada Koneksi Internet ditambahkan

Data latih berhasil 2 Wajah Tidak ditemukan ditambahkan

Terlalu Banyak Wajah dalam 3

satu gambar

Untuk pesan kesalahan (error message) selain dari yang terdapat pada tabel seperti maintenance server aplikasi memiliki pesan default yaitu “terjadi kesalahan silahkan coba kembali”.

Hasil implementasi tersebut kemudian dicatat dalam format tabel seperti digambarkan pada gambar 4.12.

Latih Pengenalan

Pengenalan

Waktu Waktu

Gaji (Waktu)

(Masuk) (Pulang)

Foto

Gambar 4.12. Gambar Format Tabel Hasil Pengujian

Dengan penjelasan sebagai berikut:

1. Foto diisi dengan foto karyawan

2. latih (waktu), lama waktu pelatihan wajah

3. pengenalan (masuk), lama waktu absen masuk kerja

4. pengenalan (pulang), lama waktu absen pulang kerja

5. tanggal, tanggal dilaksanaknnya absensi

6. waktu (masuk), waktu/jam dilaksanakannya absensi masuk kerja

7. waktu (pulang), waktu/jam dilaksanakannya absensi pulang kerja

8. Gaji, gaji karyawan per tanggal ini