Untuk menggunakannya, karyawan memasukkan nomor identitas karyawan NIK ke dalam sistem, selanjutnya sistem mengambil foto karyawan dan
mencocokkan dengan database wajah pada sistem. Jika wajahnya cocok dengan data NIK, maka absensi karyawan disimpan dan dianggap sah. Jika wajah karyawan tidak
cocok dengan database sistem, maka pengisian absen batal dan karyawan tersebut dianggap tidak hadir.
Pencocokan wajah karyawan dilakukan dengan algoritma pengenalan wajah
Eigenface
.
Eigenface
adalah kumpulan dari
eigenvector
yang digunakan untuk masalah
computer vision
pada pengenalan wajah manusia. Teknik ini telah lama digunakan dalam pengenalan tulisan tangan, pembacaan bibir, pengenalan suara dan
pencitraan medis. Menurut Lyman 2007,
eigenface
adalah sekumpulan
standardized face ingredient
yang diambil dari analisis statistik dari banyak gambar wajah. Satu wajah manusia dapat dipandang sebagai kombinasi dari wajah-wajah standar ini.
Wajah seseorang bisa saja terdiri dari 10 dari wajah 1, 20 dari wajah 2, dan seterusnya sehingga jika ingin merekam wajah seseorang untuk pengenalan wajah,
maka bisa digunakan jauh lebih sedikit fitur daripada yang ditangkap oleh foto digital.
Untuk menghasilkan
eigenface
, sekumpulan besar citra digital dari wajah manusia diambil pada kondisi pencahayaan yang sama dan kemudian dinormalisasi
selanjutnya diolah pada resolusi yang sama misalnya 80 x 80
pixel
. Lalu citra tersebut diperlakukan sebagai
vector
dimensi 80 x 80
pixel
di mana komponennya diambil dari nilai
pixel
-nya. Untuk menentukan
eigenface
dari sekumpulan citra wajah, digunakan algoritma
eigenface
berdasarkan
Principle Component Analysis
PCA.
1.2 Perumusan Masalah
Permasalahan yang dibahas adalah bagaimana mengontrol absensi dengan menggunakan citra wajah karyawan hasil bidikan
capture webcam
sebagai pembanding untuk mencegah manipulasi absen oleh karyawan.
Universitas Sumatera Utara
1.3 Batasan Masalah
Agar pembahasan tidak menyimpang, perlu dibuat suatu batasan masalah sebagai berikut:
1. Komputer yang digunakan memakai sistem operasi Windows XP. 2. Webcam yang digunakan ber resolusi minimal 2 Mega
Pixel
. 3. Foto asli karyawan disimpan dalam format JPG sebagai pembanding.
4. Ukuran foto karyawan adalah 80 x 80
pixel
. 5. Sebelum dilakukan proses pencocokan, foto hasil
capture webcam
harus dinormalisasi agar sesuai dengan ukuran foto asli.
6. Algoritma pengenalan wajah yang digunakan adalah algoritma
Eigenface
. 7. Waktu pelaksanaan absensi masuk dilakukan sampai jam 9 pagi, selanjutnya
dilakukan pemasukan absensi secara manual oleh Admin. 8. Waktu pelaksanaan absensi keluar dilakukan mulai dari jam 16 sampai jam 18
WIB.
1.4 Tinjauan Pustaka
Untuk maksud dan tujuan penelitian ini, penulis memanfaatkan buku sebagai referensi di antaranya:
Hanif Al Fatta dalam b ukunya “Rekayasa Sistem Pengenalan Wajah”, 2009,
memuat bahwa Eigenface adalah salah satu algoritma pengenalan wajah yang didasarkan pada Principle Component Analysis PCA yang dikembangkan di
Massachusetts Institute of Technology MIT. Algoritma eigenface secara keseluruhan cukup sederhana. Training image yang direpresentasikan dalam sebuah vektor flat
gabungan vektor dan digabungkan bersama-sama menjadi sebuah matriks tunggal. Eigenfaces 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 dalam database atau file
temporary. Adapun algoritma selengkapnya adalah:
Universitas Sumatera Utara
1. Buat MakeFlatVectorsImageList, N, M: ImageList adalah kumpulan dari N
training image, di mana setiap image adalah W x H piksel. M adalah ukuran vektor flat yang harus dibuat.
2. Gabungkan setiap image dalam WH elemen vektor dengan menggabungkan
semua baris. Buat ImageMatrix sebagai matriks N x WH berisi semua gambar
yang digabung.
3. Jumlahkan semua baris pada ImageMatrix dan bagi dengan N untuk
mendapatkan rataan gambar gabungan. Lalu namakan vektor elemen WH ini dengan R.
4. Kurangi ImageMatrix dengan average image R. Namakan matriks baru
ukuran N x WH sebagai R’. 5. Jika pada elemen-elemen dari matriks R’ ditemukan nilai negatif, maka ganti
nilainya dengan nilai 0.
1.5 Tujuan Penelitian
Adapun tujuan penelitian pada tugas akhir ini adalah untuk merancang suatu sistem pengontrolan absensi karyawan dengan menggunakan
webcam
untuk meningkatkan keamanan absensi agar tidak bisa dimanipulasi seperti menitipkan absen pada
karyawan lain.
1.6 Kontribusi Penelitian
Dengan adanya penelitian pengenalan wajah manusia dengan menggunakan metode Eigenface dapat meningkatkan potensi sumber daya manusia pada sebuah perusahaan
maupun efisiensi pengeluaran karena kehadiran karyawan dapat diawasi dengan lebih teliti. Jadi pegawai yang tidak masuk kerja atau terlambat masuk akan dikenakan
sanksi atau pemotongan gaji sesuai dengan kebijakan perusahaan.
Universitas Sumatera Utara
1.7 Metode Penelitian
Metode penelitian yang digunakan dalam tulisan ini adalah sebagai berikut:
1. Membahas teori tentang pengenalan wajah
2. Membahas teori tentang algoritma Eigenface, yaitu:
a. Metode Principal Component Analysis PCA atau yang biasa disebut sebagai metode eigenface di mana citra wajah dalam bentuk matriks
dua dimensi 2-D terlebih dahulu ditransformasikan ke dalam bentuk vektor satu dimensi 1-D untuk mendapatkan fitur ekstraksinya.
Metode 2 Dimensi Principal Component Analysis 2DPCA di mana pada metode ini sebuah citra wajah dalam matriks 2-D tidak perlu lagi
ditransformasikan ke dalam bentuk vektor 1-D untuk mendapatkan fitur ekstraksi yang baik dalam suatu citra, tetapi dari matriks citra
aslinya secara langsung didapatkan matriks kovariannya yang nantinya didapatkan pula eigenvektor untuk fitur ekstraksi dari sebuah citra
wajah. b. Uji coba dilakukan dalam beberapa tahap, pertama dengan memilih 3
citra wajah dari tiap person yang ada sebagai data pelatihan, jika program sdh berjalan dgn baik, maka lanjutkan dengan 5 citra wajah
dari person yang ada, dan seterusnya.
3. Basis data wajah yang digunakan dalam penelitian ini adalah Microsoft Access.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Pengertian Citra
