UJI AKURASI SISTEM ABSENSI DENGAN PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE.

UJ I AKURASI SISTEM ABSENSI DENGAN PENGENALAN
WAJ AH MENGGUNAKAN METODE EIGENFACE

TUGAS AKHIR

Oleh :

SEPTIAN WIDANEHRU
0634015077

PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2013

UJ I AKURASI SISTEM ABSENSI DENGAN PENGENALAN
WAJ AH MENGGUNAKAN METODE EIGENFACE

TUGAS AKHIR
Diajukan Untuk Memenuhi Sebagai Persyaratan

Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika

Oleh :

SEPTIAN WIDANEHRU
0634015077

PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2013

LEMBAR PENGESAHAN
UJ I AKURASI SISTEM ABSENSI DENGAN PENGENALAN
WAJ AH MENGGUNAKAN METODE EIGENFACE

Disusun oleh :

SEPTIAN WIDANEHRU
0634015077
Telah disetujui mengikuti Ujian Negara Lisan
Periode J anuari Tahun Akademik 2013

Pembimbing I

Pembimbing II

Basuki Rahmat, S.Si, MT
NPT. 3 6907 06 0209 1

Dr. Ni Ketut Sari, MT
NIP. 1965 0731 1992 03 2001

Mengetahui,
Ketua Program Studi Teknik Informatika
Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” J awa Timur

Dr. Ir. Ni Ketut Sari, MT.
NIP. 1965 0731 1992 03 2001

TUGAS AKHIR
UJ I AKURASI SISTEM ABSENSI DENGAN PENGENALAN
WAJ AH MENGGUNAKAN METODE EIGENFACE
Disusun Oleh :

SEPTIAN WIDANEHRU
0634015077
Telah dipertahankan dan diterima oleh Tim Penguji Skripsi
Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” J awa Timur
Pada Tanggal 31 J anuari 2013
Pembimbing :
1.

Tim Penguji :
1.

Basuki Rahmat, S.Si,MT
NPT. 3 7006 06 0210 1

Budi Nugr oho, S.Kom, M.Kom
NPT. 3 8006 05 0205 1

2.

2.

Dr. Ir. Ni Ketut Sari, MT
NIP. 1965 0731 1992 03 2001

Bar ry Nuqoba, S.Si, M.Kom
NIDN. 07 021 184 02

3.

Intan Yuniar Pur basar i, S.Kom, MSc
NPT. 3 8006 04 0198 1

Mengetahui,
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur

Ir. Sutiyono, MT
NIP. 19600713 198703 1 001

YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN
UPN “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
J URUSAN TEKNIK INFORMATIKA
J l. Raya Rungkut Madya Gunung Anyar
Telp. (031) 8706369 (Hunting) Fax. (031) 8706371

KETERANGAN BEBAS REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
NPM
Jurusan

: Septian Widanehru
: 0634015077
: Teknik Informatika

Telah mengerjakan Revisi Skripsi / Tugas Akhir dengan judul :
Uji Akurasi Sistem Absensi Dengan Pengenalan Wajah Menggunakan
Metode Eigenface

Surabaya, 11 Januari 2013
Dosen Penguji yang telah memeriksa revisi

1. Budi Nugroho, S.Kom, M.Kom
NPT. 3 8006 05 0205 1

( _____________________ )

( _____________________ )

2. Barry Nuqoba, S.Si, M.Kom

NIDN. 07 021 184 02
3. Intan Yuniar Purbasari, S.Kom, MSc
NPT. 3 8006 04 0198 1

( _____________________ )

Mengetahui,
Dosen Pembimbing 1

Basuki Rahmat , S.Si,M T
NPT. 3 7006 06 0210 1

Dosen Pembimbing 2

Dr. Ir. Ni Ketut Sari, M T
NIP. 1965 0731 1992 03 2001

DAFTAR ISI

ABSTRAK ..................................................................................................... i

KATA PENGANTAR ................................................................................... ii
UCAPAN TERIMA KASIH ......................................................................... iii
DAFTAR ISI ................................................................................................. v
DAFTAR GAMBAR ..................................................................................... viii
DAFTAR TABEL ......................................................................................... x

BAB I

PENDAHULUAN ......................................................................... 1
1.1 Latar Belakang ......................................................................... 1
1.2 Rumusan Masalah .................................................................... 2
1.3 Batasan Masalah ...................................................................... 2
1.4 Tujuan...................................................................................... 2
1.5 Manfaat .................................................................................... 3
1.6 Metodologi Pembuatan Skripsi ................................................. 3
1.7 Sistematika Penulisan ............................................................... 4

BAB II

TINJ AUAN PUSTAKA ................................................................ 6

2.1 Pengenalan Wajah .................................................................... 6
2.2 Algoritma Eigenface ................................................................ 7
2.3 Visual Basic 6.0 ....................................................................... 10
2.4 Database MySQL ..................................................................... 12

BAB III ANALISIS DAN PERANCANGAN SKENARIO UJ I AKURASI
................................................................................................ 17
3.1 Analisis Metode Uji Akurasi .................................................... 17
3.1.1 Metode Pendeteksian Wajah ........................................... 17
3.1.2 Metode Pengujian Berbagai Macam Pose dan Setting
Kemiripan ....................................................................... 19
3.2 Desain Perancangan Antar Muka.............................................. 20

v

3.2.1 Desain Input Data Karyawan........................................... 20
3.2.2 Desain Form Presensi...................................................... 21

BAB IV IMPLEMENTASI UJ I AKURASI ............................................... 23
4.1 Alat Yang Digunakan ............................................................... 23

4.1.1 Perangkat Keras .............................................................. 23
4.1.2 Perangkat Lunak ............................................................. 23
4.2 Implementasi Aplikasi Desain Antarmuka ................................ 24
4.2.1 Tampilan Form Login ..................................................... 24
4.2.2 Tampilan Form Karyawan............................................... 26
4.2.3 Tampilan Form Setting ................................................... 26
4.2.4 Tampilan Form Absensi .................................................. 27

BAB V

UJ I COBA DAN ANALISIS HASIL ............................................ 28
5.1 Skenario Uji Coba .................................................................... 28
5.2 Pelaksanaan Uji Coba ............................................................... 29
5.2.1 Uji Coba Menjalankan Wamp Server .............................. 29
5.2.2 Uji Coba Menjalankan Navicat ....................................... 30
5.2.3 Uji Coba Form Karyawan ............................................... 32
5.2.4 Uji Coba Form Setting .................................................... 33
5.2.5 Uji Coba Form Absensi ................................................... 34

BAB VI PENUTUP ..................................................................................... 52

6.1 Kesimpulan .............................................................................. 52
6.2 Saran ....................................................................................... 52

DAFTAR PUSTAKA .................................................................................... 53

vi

DAFTAR GAMBAR

Gambar 3.1
Gambar 3.2
Gambar 3.3
Gambar 4.1
Gambar 4.2
Gambar 4.3
Gambar 4.4
Gambar 4.5
Gambar 4.6
Gambar 5.1
Gambar 5.2
Gambar 5.3
Gambar 5.4
Gambar 5.5
Gambar 5.6
Gambar 5.7
Gambar 5.8
Gambar 5.9
Gambar 5.10
Gambar 5.11
Gambar 5.12
Gambar 5.13
Gambar 5.14
Gambar 5.15
Gambar 5.16
Gambar 5.17
Gambar 5.18
Gambar 5.19
Gambar 5.20
Gambar 5.21
Gambar 5.22
Gambar 5.23
Gambar 5.24
Gambar 5.25
Gambar 5.26
Gambar 5.27
Gambar 5.28
Gambar 5.29
Gambar 5.30

Langkah-Langkah Proses Identifikasi Citra Wajah ...................
Desain Form Input Data Karyawan...........................................
Desain Form Presensi ...............................................................
Form Login ..............................................................................
Antar Muka Super Admin ........................................................
Antar Muka Petugas Admin .....................................................
Tampilan Form Karyawan ........................................................
Tampilan Form Setting .............................................................
Tampilan Form Absensi ...........................................................
Start All Services pada Wamp Server .......................................
Tampilan PHP MyAdmin .........................................................
Buka Koneksi pada Navicat......................................................
Tampilan Database Program pada Navicat ...............................
Tampilan Tab karyawan ...........................................................
Tampilan Form Karyawan ........................................................
Tampilan Tab Form Setting ......................................................
Tampilan Form Setting .............................................................
Tampilan Tab Absensi..............................................................
Tampilan Form Absensi ...........................................................
Responden 1.............................................................................
Responden 2.............................................................................
Responden 3.............................................................................
Responden 4.............................................................................
Responden 5.............................................................................
Responden 6.............................................................................
Responden 7.............................................................................
Responden 8.............................................................................
Responden 9.............................................................................
Responden 10 ...........................................................................
Responden 11 ...........................................................................
Responden 12 ...........................................................................
Responden 13 ...........................................................................
Responden 14 ...........................................................................
Responden 15 ...........................................................................
Responden 16 ...........................................................................
Responden 17 ...........................................................................
Responden 18 ...........................................................................
Responden 19 ...........................................................................
Responden 20 ...........................................................................

vii

18
20
21
24
25
25
26
26
27
29
30
31
31
32
33
33
34
34
35
36
36
36
37
37
37
38
38
38
38
39
39
39
39
40
40
40
40
41
41

DAFTAR TABEL

Tabel 5.1
Tabel 5.2
Tabel 5.3
Tabel 5.4
Tabel 5.5
Tabel 5.6
Tabel 5.7
Tabel 5.8
Tabel 5.9
Tabel 5.10
Tabel 5.11
Tabel 5.12
Tabel 5.13
Tabel 5.14
Tabel 5.15
Tabel 5.16
Tabel 5.17
Tabel 5.18
Tabel 5.19
Tabel 5.20

Hasil Pengujian Pertama ...............................................................
Hasil Pengujian Kedua ..................................................................
Hasil Pengujian Ketiga .................................................................
Hasil Pengujian Keempat ..............................................................
Hasil Pengujian Kelima ................................................................
Hasil Pengujian Keenam ...............................................................
Hasil Pengujian Ketujuh ...............................................................
Hasil Pengujian Kedelapan ...........................................................
Hasil Pengujian Kesembilan .........................................................
Hasil Pengujian Kesepuluh ...........................................................
Hasil Pengujian Kesebelas ............................................................
Hasil Pengujian Keduabelas ..........................................................
Hasil Pengujian Ketigabelas..........................................................
Hasil Pengujian Keempatbelas ......................................................
Hasil Pengujian Kelimabelas ........................................................
Hasil Pengujian Keenambelas .......................................................
Hasil Pengujian Ketujuhbelas .......................................................
Hasil Pengujian Kedelapanbelas ...................................................
Hasil Pengujian Kesembilanbelas .................................................
Hasil Pengujian Keduapuluh .........................................................

viii

42
42
43
43
44
44
45
45
46
46
47
47
48
48
49
49
50
50
51
51

Judul
Pembimbing I
Pembimbing II
Penyusun

: Uji Akurasi Sistem Absensi Dengan Pengenalan Wajah Menggunakan Metode Eigenface
: Basuki Rahmat, S.Si., MT
: Dr. Ir. Ni Ketut Sari, MT
: Septian Widanehru

ABSTRAK
Wajah merupakan salah satu bagian dari manusia yang memiliki ciri-ciri
berbeda. Wajah dapat digunakan untuk mengenali seseorang, misalnya untuk
absensi, pendataan penduduk seperti e-ktp dan sistem pengamanan, dengan
menggunakan

sistem

pengenalan

wajah.

Karena

wajah

manusia

merepresentasikan sesuatu yang kompleks, sehingga pengembangan model
komputasi yang ideal untuk pengenalan wajah adalah sesuatu hal yang sulit.
Selain itu sistem pengenalan wajah juga mendapat kesulitan pada orientasi wajah
yang berlainan, pencahayaan, latar belakang, potongan rambut, kumis atau
jenggot, penutup kepala, kacamata serta perbedaan kondisi misalnya orang
tersebut dalam keadaan agak menoleh, menunduk atau menengadah. Oleh karena
itu dilakukan uji akurasi dengan 2 metode pengujiakurasian yang diharapkan
membantu instansi/perusahaan memilih aplikasi yang terbaik.
Uji akurasi ini menggunakan 2 metode,yaitu: metode pendeteksian wajah
dan metode pengujian berbagai macam pose dan setting kmiripan. Pada metode
yang kedua menguji coba hingga 7 macam pose tiap respondennya dan 5 tingkat
kemiripan.
Aplikasi Sistem Presensi Dengan Pengenalan Wajah Menggunakan
Metode Eigenface telah diuji coba dengan berbagai uji kelayakan. Hasil uji coba
menunjukkan bahwa aplikasi ini dapat dipergunakan untuk absensi karyawan.
Kata Kunci: Uji Akurasi Absensi, Pengenalan Wajah, Eigenface.

i

BAB I
PENDAHULUAN

1.1 Latar Belakang
Wajah merupakan salah satu bagian dari manusia yang memiliki ciri-ciri
berbeda. Wajah dapat digunakan untuk mengenali seseorang, misalnya untuk
absensi, pendataan penduduk seperti e-ktp dan sistem pengamanan, dengan
menggunakan

sistem

pengenalan

wajah.

Karena

wajah

manusia

merepresentasikan sesuatu yang kompleks, sehingga pengembangan model
komputasi yang ideal untuk pengenalan wajah adalah sesuatu hal yang sulit.
Selain itu sistem pengenalan wajah juga mendapat kesulitan pada orientasi wajah
yang berlainan, pencahayaan, latar belakang, potongan rambut, kumis atau
jenggot, penutup kepala, kacamata serta perbedaan kondisi misalnya orang
tersebut dalam keadaan agak menoleh, menunduk atau menengadah..
Sekarang pengenalan wajah telah dikembangkan untuk banyak aplikasi
keamanan, aplikasi absensi dan aplikasi pendataan penduduk. Penggunaan wajah
sebagai identifier mempunyai banyak manfaat, terutama kepraktisannya karena
memerlukan sebuah image untuk identifikasi. Pada tugas akhir ini, dilakukan uji
akurasi pada sistem pengenalan wajah yang menggunakan metode eigenface.
Yang bertujuan seberapa akurat sistem pengenalan wajah yang menggunakan
eigenface tersebut, sehingga bila hasilnya cukup akurat untuk absensi wajah,
maka akan direkomendasikan ke instasi-instasi yang memerlukan sistem absensi
wajah.

1

2

1.2

Rumusan Masalah
Dengan adanya latar belakang di atas, maka didapatkan rumusan masalah

sebagai berikut:
1. Bagaimana melakukan uji akurasi pada sistem absensi wajah
menggunakan metode eigenface

1.3

Batasan Masalah
Berikut beberapa batasan masalah pada uji akurasi sistem absensi dengan

pengenalan wajah menggunakan metode eigenface, yaitu :
a. Menggunakan 2 metode uji akurasi pada sistem absensi pengenalan wajah
tersebut.
b. Uji akurasi sistem absensi pengenalan wajah dilakukan kepada 20 orang
responden.

1.4

Tujuan
Tujuan dari uji akurasi sistem absensi dengan pengenalan wajah

menggunakan metode eigenface adalah:
1. Mengimplementasikan 2 Metode uji akurasi sistem absensi pengenalan
wajah.
2. Mengimplementasikan uji akurasi absensi pengenalan wajah kepada 20
orang responden.

3

1.5

Manfaat
Dengan tugas akhir ini diharapkan dapat memberikan manfaat bagi

instansi/perusahaan yang akan menggunakan sistem absensi agar bisa mengetahui
seberapa akurat sistem absensi pengenalan wajah menggunakan metode eigenface
ini.
1.6

Metodologi Pembuatan Tugas Akhir
Dalam pembuatan tugas akhir kali ini, penulis akan menjelaskan tentang

metode yang digunakan selama penulis menyusun dan membuat tugas akhir ini.
1. Studi Literatur.
Mengumpulkan referensi baik dari internet, maupun sumber-sumber yang
lainnya mengenai uji akurasi sistem absensi, serta mencari contoh-contoh
aplikasi sistem absensi yang menggunakan metode eigenface sebagai
tambahan referensi tugas akhir ini.
2. Analisis dan Perancangan Skenario Uji Coba.
Menganalisis dan merancang skenario uji coba sistem absensi pengenalan
wajah dengan mengujicobakan kepada 20 orang responden agar penilaian
akurasi lebih maksimal.
3. Pembuatan Skenario Uji Akurasi Program.
Pada tahap ini merupakan tahap yang paling banyak memerlukan waktu
karena model dan desain rancangan skenario uji coba aplikasi yang telah
dibuat menggunakan Microsoft Visual Basic 6.0 dan MySQL.

4

4. Uji Coba dan Evaluasi Aplikasi.
Pada tahap ini setelah skenario uji akurasi sistem absensi dengan pengenalan
wajah menggunakan metode eigenface selesai dibuat, maka dilakukan
pengujian akurasi aplikasi untuk mengetahui apakah aplikasi tersebut akurat
sesuai dengan konsep yang diajukan.
5. Penyusunan Buku Tugas Akhir.
Pada tahap ini merupakan tahap terakhir dari pengerjaan tugas akhir. Buku ini
disusun sebagai laporan dari seluruh proses pengerjaan tugas akhir. Dari
penyusunan buku ini diharapkan dapat memudahkan pembaca yang ingin
menyempurnakan dan mengembangkan skenario uji akurasi aplikasi lebih
lanjut. Sehingga akan ada aplikasi pengenalan wajah yang lebih baik lagi dan
bisa digunakan di berbagai perusahaan.
6. Pembuatan Kesimpulan.
Pada tahap ini dalam bagian akhir pembuatan tugas akhir, dibuat kesimpulan
dan saran dari hasil pembuatan aplikasi yang diperoleh sesuai dengan dasar
teori yang mendukung dalam pembuatan aplikasi tersebut yang telah
dikerjakan secara keseluruhan.
1.7

Sistematika Penulisan
Dalam laporan tugas akhir yang berjudul Uji Akurasi Sistem Absensi

Dengan Pengenalan Wajah Menggunakan Metode Eigenface ini, pembahasan
disajikan dalam enam bab dengan sistematika penulisan seperti pada halaman
selanjutnya.

5

BAB I

PENDAHULUAN
Bab ini berisikan tentang latar belakang masalah, perumusan masalah,
batasan

masalah,

tujuan,

manfaat,

dan sistematika penulisan

pembuatan tugas akhir ini.
BAB II

TINJ AUAN PUSTAKA
Pada bab ini menjelaskan tentang teori-teori pemecahan masalah yang
berhubungan dan digunakan untuk mendukung dalam pembuatan tugas
akhir ini.

BAB III

ANALISIS DAN PERANCANGAN SKENARIO UJ I AKURASI
Pada bab ini menjelaskan tentang tata cara atau metode perancangan
skenario uji akurasi yang digunakan untuk mengolah sumber data yang
dibutuhkan sistem.

BAB IV

IMPLEMENTASI UJ I AKURASI PROGRAM
Pada bab ini menjelaskan implementasi dari uji akurasi program yang
telah dibuat.

BAB V

UJ I COBA DAN EVALUASI
Pada bab ini menjelaskan tentang pelaksanaan uji coba dan evaluasi
dari pelaksanaan uji coba dari program yang dibuat sehingga sesuai
konsep yang telah dibuat

BAB VI

PENUTUP
Bab ini berisi kesimpulan dan saran dari penulis untuk pengembangan
sistem.

BAB II
TINJ AUAN PUSTAKA

2.1

Pengenalan Wajah
Aplikasi pengenalan wajah dapat dibuat dengan beberapa pendekatan. Ada

pendekatan yang menggunakan basis statistical untuk menghasilkan pola.
Pendekatan lainnya menggunakan struktur dari pola yang menyediakan informasi
fundamental untuk pengenalan wajah. Secara umum sistem pengenalan citra
wajah dibagi menjadi 2 jenis, yaitu sistem feature-based dan sistem image-based.
Pada sistem 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 yang kemudian direpresentasikan dalam metode tertentu,
misalnya principal component analysis (PCA), transformasi wavelet yang
kemudian digunakan untuk klasifikasi identitas citra.
Sekarang pengenalan wajah telah dikembangkan untuk banyak aplikasi,
terutama untuk aplikasi keamanan. Penggunaan wajah sebagai identifier
mempunyai banyak manfaat, terutama kepraktisannya karena memerlukan kartu
atau foto untuk identifikasi. Masalah utamanya adalah ukurannya relatif besar.
Ada banyak teknik untuk mereduksi dimensi dari image yang akan diproses. Salah
satunya adalah dengan menggunakan algoritma eigenface. (Hanif, 2009, hal. 10)

6

7

2.2

Algoritma Eigenface
Face recognition sekarang telah dikembangkan untuk banyak aplikasi

terutama untuk aplikasi-aplikasi keamanan. 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 vektor dengan ukuran relatif besar.
Eigenface adalah salah satu algoritma pengenalan wajah yang didasarkan
pada Principle Component Analysis (PCA) yang dikembangkan di MIT.
Algoritma eigenface secara keseluruhan cukup sederhana. Training image
direpresentasikan dalam sebuah vector flat (gabungan vector) dan digabung
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:
1. Buat MakeFlatVectors(ImageList, N,M): ImageList adalah kumpulan dari
N training image, di mana setiap image adalah W x H piksel. M adalah
ukuran vector flat yang harus dibuat.
2. Gabungkan

setiap

image

dalam

WH

elemen

vector

dengan

menggabungkan semua baris. Buat ImageMatrix sebagai matriks N x WH
berisi semua gambar yang digabung.

8

3. Jumlahkan semua baris pada ImageMatrix dan bagi dengan N untuk
mendapatkan rataan gambar gabungan. Vektor elemen WH ini diberi nama
R.
4. Kurangi ImageMatrix dengan average image R. Matriks baru tersebut
dinamakan sebagai R’ dengan ukuran N x WH.
5. Jika pada elemen-elemen dari matriks R’ ditemukan nilai negative, ganti
nilainya dengan nilai 0.
Kemudian identifikasi dilakukan dengan proyeksi menggunakan algoritma
seperti berikut:
1. Buat projectToFaceSpace(test_image): image berukuran W x H piksel.
2. Gabung elemen vector WH dan dinamakan img
3. Load nilai rataan R dari database atau file.
4. Kurangi img dengan R hingga mendapatkan img’.
5. Jika pada img’ ditemukan elemen dengan nilai negative, ganti dengan
nilai 0 untuk mendapatkan vector ukuran img’’.
Proses terakhir adalah identifikasi, yaitu memproyeksikan test image ke
face space dan menghitung score.
1. Load semua wajah yang sudah diproyeksikan dari database.
2. Proj=projectToSpace(test_image).

9

3. Lakukan operasi pengurangan, proj dengan semua wajah yang telah
diproyeksikan. Ambil nilai absolutnya dan jumlahkan, hasilnya adalah
score.
4. Ambil score terkecil sebagai hasil dari wajah yang telah diproyeksikan.
Wajah ini menjadi hasil identifikasi
Untuk lebih jelasnya, algoritma di atas dapat dijelaskan sebagai berikut:
1. Penyusunan Flat Vector
Langkah pertama adalah menyusun seluruh training image menjadi 1
matriks tunggal. Misalnya image yang kita simpan berukuran H x W
piksel dan jumlahnya N buah, maka memiliki flatvector dengan
dimensi N x (H x W). Contoh, misalnya di dalam training image
terdapat 2 image dengan ukuran 3 x 3 piksel maka akan mempunyai
eigenvector ukuran 2 x 9.
2. Penghitungan Rataan FlatVector
Dari flatvector yang diperoleh, jumlahkan seluruh barisnya sehingga
diperoleh matriks berukuran 1 x (H x W). Setelah itu bagi matriks tadi
dengan jumlah image N untuk mendapatkan Rataan FlatVector.
3. Tentukan Nilai Eigenface
Dengan menggunakan rataan flatvector, hitung eigenface untuk
matriks flatvektor yang tadi disusun. Caranya dengan mengurangi

10

baris-baris pada matriks flatvector dengan rataan flatvector. Jika
didapatkan nilai di bawah nol, ganti nilainya dengan nol.
4. Proses Identifikasi
Jika diberikan citra yang akan diidentifikasi (testface), maka langkah
identifikasinya adalah sebagai berikut:

Kalkulasi nilai eigenface untuk matriks testface, dengan cara yang
sama dengan penentuan eigenface untuk flatvector. Setelah nilai
eigenface untuk testface diperoleh maka bisa melakukan identifikasi
dengan menentukan jarak (distance) terpendek dengan eigenface dari
eigenvector training image. Caranya, tentukan nilai absolute dari
pengurangan baris i pada matriks eigenface training image dengan
eigenface dari testface, kemudian jumlahkan elemen-elemen penyusun
vector yang dihasilkan dari pengurangan tadi dan ditemukan jarak d
indeks i. Lakukan untuk semua baris. Cari nilai d yang paling kecil.
(Hanif, 2009, hal.14)

2.3

Visual Basic 6.0
Visual Basic 6.0 merupakan salah satu bahasa pemrograman atau

pengembang aplikasi yang sudah sangat dikenal di dunia. Baik itu karena
kemudahannya dalam pengembangan aplikasi maupun kemampuannya yang
beragam. Selain itu, Visual Basic 6.0 didukung oleh berbagai fasilitas dalam

11

pengembangan aplikasi. Salah satunya adalah pengembangan aplikasi database.
Dalam membangun sebuah aplikasi database dengan Visual Basic 6.0, dapat
dilakukan dengan mudah.Dengan adanya kontrol-kontrol ActiveX yang mudah
untuk digunakan.
Perkembangan Visual Basic dari waktu ke waku sebagai berikut:
•

Proyek Thunder dimulai.

•

Visual Basic 1.0 dirilis untuk Windows pada Comdex/Windows Trade
Show di Atlanta, Georgia pada Mei 1991.

•

Visual Basic 1.0 untuk DOS dirilis pada September 1992. Bahasa
pemrogramannya sendiri tidak terlalu kompatibel dengan Visual Basic
untuk Windows, karena sesungguhnya itu adalah versi selanjutnya dari
kompiler BASIC berbasis DOS yang dikembangkan oleh Microsoft
sendiri, yaitu QuickBASIC. Antarmuka dari program ini sendiri
menggunakan antarmuka teks, dan memanfaatkan kode-kode ASCII
tambahan untuk mensimulasikan tampilan GUI.

•

Visual

Basic

2.0

dirilis

pada

November

1992.

Lingkungan

pemrogramannya lebih mudah untuk digunakan, dan kecepatannya lebih
ditingkatkan.
•

Visual Basic 3.0 dirilis pada musim semi 1993 dan hadir dalam dua versi:
Standar dan Professional. VB3 juga menyertakan versi 1.1 dari Microsoft
Jet Database Engine yang dapat membaca dan menulis database
Jet/Access 1.x.

12

•

Visual Basic 4.0 (Agustus 1995) adalah versi pertama yang dapat
membuat

program

32-bit

seperti

program

16-bit.

VB4

juga

memperkenalkan kemampuannya dalam membuat aplikasi non-GUI. Bila
versi sebelumnya menggunakan kontrol VBX, sejak VB4 dirilis Visual
Basic menggunakan kontrol OLE (dengan ekstensi file *.OCX), yang
lebih dikenal kemudian dengan kontrol ActiveX.
•

Dengan versi 5.0 (Februari 1997), Microsoft merilis Visual Basic eksklusif
untuk versi 32-bit dari Windows. Para programmer yang lebih memilih
membuat kode 16-bit dapat meng-impor program yang ditulis dengan VB4
ke versi VB5, dan program-program VB5 dapat dikonversi dengan mudah
ke dalam format VB4.

•

Visual Basic 6.0 (pertengahan 1998) telah diimprovisasi di beberapa
bagian, termasuk kemampuan barunya, yaitu membuat aplikasi web.
Meskipun kini VB6 sudah tidak didukung lagi, tetapi file runtime-nya
masih didukung hingga Windows 7. (Imam BK, 2006)

2.4

Database MySQL
MySQL merupakan software sistem manajemen database (Database

Management System – DBMS) yang sangat popular di kalangan pemrogram web,
terutama di lingkungan Linux dengan menggunakan script PHP dan Perl.
MySQL merupakan database yang paling popular digunakan untuk
membangun aplikasi web yang menggunakan database sebagai sumber dan
pengelola datanya. Kepopuleran MySQL dimungkinkan karena kemudahannya
untuk digunakan, cepat secara kinerja query dan mencukupi untuk kebutuhan

13

database perusahaan-perusahaan skala menengah-kecil. MySQL merupakan
database yang digunakan oleh situs-situs terkemuka di internet untuk menyimpan
datanya
Software database MySQL kini dilepas sebagai software manajemen
database yang open source, sebelumnya merupakan software yang dapat
didistribusikan secara bebas untuk keperluan penggunaan secara pribadi, tetapi
jika digunakan secara komersial maka pemakai harus mempunyai lisensi dari
pembuatnya. Software open source menjadikan software dapat didistribusikan
secara bebas dan dapat dipergunakan untuk keperluan pribadi ataupun komersial,
termasuk di dalamnya source code dari software tersebut.
Kelebihan-kelebihan dari MySQL adalah sebagai berikut:
MySQL adalah sebuah database server, dapat juga berperan sebagai client
sehingga sering disebut database client/server yang open source dengan
kemampuan dapat berjalan baik di OS (Operating System) manapun, dengan
Platform Windows maupun Linux. Selain itu database ini memiiki beberapa
kelebihan dibanding database lain, di antaranya adalah:
1. MySQL sebagai Database Management System (DBMS)
2. MySQL sebagai Relation Database Management System (RDBMS)
3. MySQL adalah sebuah software database yang open source, artinya
program ini bersifat free atau bebas digunakan oleh siapa saja tanpa harus
membeli dan membayar lisensi kepada pembuatnya.

14

4. MySQL merupakan sebuah database server, jadi dengan menggunakan
database ini, dapat menghubungkannya ke media internet sehingga dapat
diakses dari jauh.
5. MySQL merupakan sebuah database client. Selain menjadi server yang
melayani permintaan, MySQL juga dapat melakukan query yang mengakses
database pada server. Jadi MySQL dapat juga berperan sebagai client.
6. MySQL mampu menerima query yang bertumpuk dalam satu permintaan
atau disebut Multi-Threading.
7. MySQL merupakan sebuah database yang mampu menyimpan data
berkapasitas sangat besar berukuran Gigabyte sekalipun.
8. MySQL didukung oleh driver ODBC, artinya database MySQL dapat
diakses menggunakan aplikasi apa saja termasuk berupa visual seperti
Delphi maupun Visual Basic.
9. MySQL adalah database menggunakan enkripsi password. Jadi database ini
cukup aman karena memiliki password untuk mengaksesnya.
10. MySQL merupakan server database yang multi user, artinya database ini
tidak hanya digunakan oleh sepihak orang akan tetapi merupakan database
yang dapat digunakan oleh banyak pengguna.
11. MySQL dapat menciptakan lebih dari 16 kunci per table dan dalam satu
kunci memungkinkan berisi belasan field (kolom).
12. MySQL mendukung field yang dijadikan sebagai kunci primer dan kunci
Unik (Unique).
13. MySQL didukung oleh sebuah component C dan perl API, sehingga
Database MySQL dapat diakses melalui sebuah program aplikasi yang

15

berada di bawah protocol internet berupa Web. Biasanya aplikasi yang
sering digunakan adalah PHP dan Perl.
14. MySQL memiliki kecepatan dalam pembuatan table maupun peng-updatean table.
15. MySQL menggunakan suatu bahasa permintaan standar yang bernama SQL
(Struktur Query Language) yaitu sebuah bahasa permintaan yang
distandarkan pada beberapa database server seperti Oracle, PostGreSQLdll.

Berikut adalah beberapa sintaks dasar SQL dalam MySQL:
1. Membuat database, untuk membuat database baru, sehingga tidak berlaku
jika database sudah ada atau tidak memiliki

privilege.

Menggunakan

sintaks berikut: CREATE DATABASE nama_db.
2. Menghapus database, untuk menghapus database beserta seluruh table di
dalamnya. Perintah ini tidak berlaku jika database tidak ada atau tidak
memiliki privilege. Sintaksnya adalah: DROP DATABASE nama_db.
3. Menggunakan database, untuk menjadikan database menjadi default dan
referensi dari table yang nantinya anda gunakan. Perintah ini tidak berlaku
jika database tidak ada atau tidak memiliki privilege. Sintaksnya: USE
nama_db.
4. Membuat table, struktur perintah untuk membuat table:
CREATE TABLE nama tabel (kolom a type (panjang),kolom b TYPE
(panjang),
………,

16

Kolom n TYPE (panjang));
Menampilkan table, untuk melihat daftar table di dalam database yang sedang
aktif. Perintah yang digunakan adalah SHOW TABLES; (Mahmud Subaena,
2009)

BAB III
ANALISIS DAN PERANCANGAN SKENARIO UJ I AKURASI

3.1

Analisis Metode Uji Akurasi
Pada uji akurasi sistem absensi dengan pengenalan wajah menggunakan

metode eigenface menggunakan 2 metode uji akurasi, yaitu:
1. Metode pendeteksian wajah
2. Metode pengujian berbagai macam pose dan setting kemiripan.

3.1.1

Metode Pendeteksian Wajah
Untuk metode pendeteksian wajah dilakukan terlebih dahulu peng-

capture-an image untuk melengkapi data karyawan dengen foto, di mana foto
ini akan disimpan ke dalam database sebagai. Dan pada saat absensi dilakukan
peng-capture-an lagi, pada saat capture image sudah dilakukan terjadi proses
matching antara image-image yang sudah tersimpan di dalam database dengan
image pada saat absensi. Proses matching image antara foto-foto di dalam
database dengen foto pada saat absensi menggunakan algoritma Eigenface.
Langkah-langkah proses matching image-image yang ada di dalam database
dengan image pada saat absensi dapat dilihat pada gambar 3.1.

17

18

Gambar 3.1 Langkah-Langkah Proses Identifikasi Citra Wajah
Keterangan bagan:
1. Citra wajah di-capture menggunakan webcam. Hasil dari capturing ini
adalah file gambar yang bertipe .bmp.
2. Citra wajah ini kemudian dinormalisasi dengan beberapa tahapan.
Pertama, citra diturunkan kualitas warnanya menjadi grayscale. Ukuran
dari citra wajah juga diseragamkan, menjadi berukuran 80 x 80 piksel.

19

3. Setelah didapatkan citra wajah yang ternormalisasi, dihitung nilai eigen
dari citra wajah tersebut, misalnya diperoleh nilai x.
4. Pada data karyawan, juga terdapat koleksi citra wajah. Dari koleksi ini
masing-masing citra dikalkukasi nilai eigennya dan dikumpulkan dalam
vektor yang dinamakan eigenvektor. Misalkan didapatkan nilai (x1, x2,
x3, …xn).
5. Proses matching dilakukan dengan mencocokkan nilai x dengan nilai-nilai
pada eigenvektor dan mencari nilai yang paing mendekati.
Jika nilai yang paling mendekati sudah ditemukan, dicari data
karyawan yang berkorespondensi dengan nilai tadi.

3.1.2

Metode Pengujian Berbagai Macam Pose dan Setting Kemiripan
Pada metode ini dilakukan pengujian berbagai pose wajah dan juga

tiap pose dilakukan beberapa setting kemiripan. Pada uji akurasi sistem absensi
dengan pengenalan wajah menggunakan metode eigenface, dilakukan uji coba
sebanyak 20 responden. Dan tiap responden diujicoba hingga 7 pose wajah
yaitu; pose wajah biasa atau tanpa ekspresi, pose wajah senyum atau gerakan
bibir, pose wajah buka mulut lebar atau tertawa, pose menoleh kanan, pose
menoleh kiri, pose wajah lihat atas, pose wajah lihat bawah. Tiap pose
diujicoba setting tingkat kemiripan hingga 5 tingkat kemiripan dalam persen,
yaitu; 60%, 70%, 80%, 90%, 100%.

20

3.2 Desain Perancangan Antar Muka
Antarmuka pemakai (user interface) merupakan bagian yang penting
dalam suatu pemrograman apalagi berbasis pengenalan wajah, karena berfungsi
untuk menghubungkan antara suatu aplikasi dengan pemakainya (user).
Perancangan antarmuka pemakai (user interface) dibuat dengan tujuan untuk
memudahkan pemakai (user) dalam melakukan interaksi dengan aplikasi yang
dibuat.
.
3.2.1

Desain Input Data Karyawan

Gambar 3.2 Desain Form Input Data Karyawan

21

Pada gambar 3.2, administrator memasukkan data karyawan yang
terdiri dari nomer induk karyawan, nama dan gaji karyawan melalui keyboard.
Untuk pengisian jabatan dan bagian mereferensi isi tabel bagian dan jabatan
yang telah diisikan sebelumnya. Untuk citra wajah karyawan bisa diambil dari
webcam atau dari file.

3.2.2

Desain Form Presensi

Gambar 3.3 Desain Form Presensi

22

Pada gambar 3.3, citra wajah di-capture atau diabsensi melalui webcam
untuk kemudian secara otomatis dicocokkan dengan citra wajah yang ada pada
database dan jika cocok dengan image yang ada di dalam database maka akan
ditampilkan data karyawan yang bersangkutan dan proses absensi berhasil.

BAB IV
IMPLEMENTASI UJ I AKURASI

Pada bab ini akan membahas tentang implementasi uji akurasi dari hasil
analisis dan perancangan skenario uji akurasi yang ada pada bab III, serta
bagaimana cara skenario uji akurasi tersebut dijalankan. Sistem pengenalan wajah
ini berjalan dan nantinya akan digunakan oleh suatu perusahaan yang akan
memerlukannya. Untuk lebih lanjut dapat dijelaskan pada sub bab berikut :
4.1

Alat yang digunakan
Pada implementasi uji akurasi, alat-alat yang digunakan yaitu perangkat

keras (hardware) dan perangkat lunak (software) yang dijabarkan sebagai berikut:
4.1.1

Perangkat Keras
Perangkat keras (hardware) yang digunakan adalah :
a) Seperangkat komputer dual core, harddisk 80 GB.
b) Memory 1 Gb DDR2.
c) Mouse dan Keyboard.
d) Webcam

4.1.2

Perangkat Lunak
Perangkat lunak (software) yang digunakan adalah :
a) Windows XP Service Pack 2.
b) Aplikasi sistem pengenalan wajah bermetode Eigenface

23

24

4.2

Implementasi Aplikasi Desain Antar muka
Pada tahap ini akan dijabarkan tentang implementasi antarmuka dari

aplikasi. Form-form tersebut, yaitu :
1. Form Login
2. Form Karyawan
3. Form Setting
4. Form Absensi

4.2.1

Tampilan Form Login
Pada form login terdapat 2 buah textbox, yang masing-masing

diperuntukkan untuk pengisian username dan password. Form login ini diisi
oleh super admin dan petugas absen.

Gambar 4.1 Form Login
Gambar 4.1 merupakan halaman login, jika benar menginputkan
username dan password maka halaman akan langsung menuju ke halaman
super admin seperti yang terlihat pada gambar 4.2.

25

Gambar 4.2 Antar Muka Super Admin
Yang membedakan antar muka super admin dan petugas absen adalah
aksesnya, yaitu pada tab Master Data dan Laporan. Tampilan antar muka
petugas absen seperti pada gambar 4.3.

Gambar 4.3 Antar Muka Petugas Admin
Pada antar muka petugas absen, akses untuk membuka form bagian,
jabatan, karyawan, user , setting dan laporan ditutup. Sehingga petugas absen
hanya bisa melakukan proses absensi karyawan dan ganti password saja.

26

4.2.2

Tampilan Form Karyawan
Untuk mengisi data karyawan digunakan sub-menu karyawan (Master

Data -> Karyawan). Form ini juga digunakan untuk mengambil gambar dari
karyawan. Tampilan form Karyawan seperti pada gambar 4.4.

Gambar 4.4 Tampilan Form Karyawan

4.2.3

Tampilan Form Setting
Form Setting berfungsi untuk menentukan citra wajah yang bisa

diterima harus memiliki tingkat kemiripan minimum dengan salah satu wajah
dalam database. Jika kita mengeset 70%, maka bilamana di dalam database
tidak tersedia citra wajah yang tingkat kemiripan minimumnya 70%, maka citra
wajah yang ditest tidak akan diterima sebagai citra wajah yang cocok dengan
yang ada dalam database. Tampilan form Setting seperti pada gambar 4.5.

27

Gambar 4.5 Tampilan Form Setting

4.2.4

Tampilan Form Absensi
Proses presensi ditangani oleh sub-menu absensi. Karyawan di-capture

menggunakan webcam dan hasil capture kemudian dicocokkan dengan foto
karyawan pada folder image dan dilakukan proses identifikasi. Tampilan Form
Absensi seperti pada gambar 4.6.

Gambar 4.6 Tampilan Form Absensi

BAB V
UJ I COBA DAN ANALISIS HASIL
Pada bab ini akan dibahas mengenai uji coba terhadap skenario uji akurasi
sistem absensi pengenalan wajah yang telah dibuat pada bab sebelumnya dan
selanjutnya akan dibuat evaluasi dari hasil uji coba tersebut. Uji coba
dilaksanakan untuk mengetahui apakah aplikasi sistem absensi dengan pengenalan
wajah menggunakan metode eigenface dapat berjalan dengan baik dan akurat.
Evaluasi dilakukan untuk menentukan tingkat keberhasilan dari aplikasi sistem
absensi pengenalan wajah ini.

5.1

Skenario Uji Coba
Untuk memastikan bahwa aplikasi ini berjalan lancar dan akurat, penyusun

akan menyusun skenario yang akan diuji coba. Ada enam macam uji coba antara
lain:
1. Uji Coba Menjalankan Wamp Server
2. Uji Coba Menjalankan Navicat
3. Uji Coba Form Karyawan
4. Uji Coba Form Setting
5. Uji Coba Form Absensi

28

29

5.2

Pelaksanaan Uji Coba
Pada sub-bab ini akan dijelaskan step-by-step mengenai pelaksanaan

skenario uji coba yang telah dijabarkan pada sub-bab sebelumnya, untuk
membuktikan uji coba aplikasi disertakan gambar tentang kejadian-kejadian yang
sedang berlangsung pada Komputer.

5.2.1 Uji Coba Menjalankan Wamp Server
Pada uji coba menjalankan wamp server ini, langkah pertama adalah
jalankan program wamp server. Kemudian akan muncul pada sudut kanan bawah
berupa tray icon. Klik kiri pada tray icon-nya, maka akan muncul gambar seperti
di bawah ini:

Gambar 5.1 Start All Services Pada Wamp Server
Klik kiri pada tray icon wamp server, kemudian klik Start All Services
agar wamp server terkoneksi. Untuk melihat tabel-tabel pada database program
pengenalan wajah, klik phpMyAdmin pada tray icon. Tampilan phpMyAdmin
seperti pada gambar 5.2.

30

Gambar 5.2 Tampilan phpMyAdmin

5.2.2 Uji Coba Menjalankan Navicat
Pada uji coba ini akan diujicobakan untuk melihat tabel-tabel database
yang ada di phpMyAdmin. Kegunaan navicat adalah sebagai alat bantu untuk
mengedit database, kelebihannya adalah interface yang lebih baik dan lebih
menarik daripada di halaman phpMyAdmin. Tampilan Navicat seperti pada
gambar 5.3.

31

Gambar 5.3 Buka Koneksi pada Navicat
Untuk membuka tabel database program pengenalan wajah, klik database
yang bernama program pada koneksi “nehru”. Contoh gambar seperti di bawah
ini:

Gambar 5.4 Tampilan Database Program pada Navicat

32

5.2.3 Uji Coba Form Karyawan
Untuk melakukan uji coba form karyawan ini, bisa mengklik pada tab
Master Data kemudian klik Karyawan seperti pada gambar di bawah ini:

Gambar 5.5 Tampilan Tab Karyawan
Setelah di klik, akan muncul Form Karyawan. Pada Form Karyawan
terdapat beberapa tabel, yaitu tabel nama-nama karyawan, tabel nama-nama
bagian dan tabel nama-nama jabatan. Hal ini bertujuan untuk mempermudah
administrator menambahkan data karyawan pada database absensi, agar tidak
terjadi kekeliruan dalam memasukkan data-data karyawan.
Pada Form Karyawan, terdapat pula 3 kolom, yaitu: kolom pengisian data
karyawan, kolom kamera dan kolom foto karyawan. Kolom Kamera adalah
tampilan langsung dari webcam yang akan memfoto wajah karyawan yang akan
dimasukkan ke dalam database, sedangkan kolom Foto Karyawan adalah hasil
ketika sudah di-capture dan dimasukkan ke dalam database komputer. Tampilan
Form Karyawan bisa dilihat pada gambar 5.6.

33

Gambar 5.6 Tampilan Form Karyawan

5.2.4 Uji Coba Form Setting
Untuk melakukan uji coba form Setting, bisa mengklik pada tab Master
Data kemudian klik Setting seperti pada gambar di bawah ini:

Gambar 5.7 Tampilan Tab Form Setting

34

Setelah diklik, akan muncul Form Setting. Pada Form Setting terdapat satu
field, yaitu field Kemiripan minimum.

Gambar 5.8 Tampilan Form Setting
5.2.5 Uji Coba Form Absensi
Untuk melakukan uji coba form Absensi, bisa mengklik pada tab Operasi
kemudian klik Absensi seperti pada gambar di bawah ini:

Gambar 5.9 Tampilan Tab Absensi
Setelah diklik, akan muncul Form Absensi. Pada Form Absensi terdapat 3
kolom, yaitu kolom kamera, kolom data karyawan dan kolom foto karyawan.
Pada kolom kamera adalah tampilan langsung dari webcam. Setelah diklik

35

capture, maka hasil capture tadi akan tampil di kolom foto karyawan yang akan
dicocokkan dengan foto yang sudah tersimpan di dalam database sebelumnya.
Jika cocok maka absensi berhasil dan tampil data karyawan pada kolom data
karyawan, jika tak cocok maka absensi gagal.

Gambar 5.10 Tampilan Form Absensi
Untuk mengetahui seberapa akurat aplikasi presensi ini, maka dibuat uji
coba terhadap 20 orang responden. Ada 2 metode dalam uji akurasi sistem absensi
ini, yaitu; yang pertama adalah metode pendeteksian wajah dan yang kedua adalah
metode pengujian berbagai macam pose dan setting kemiripan. Pada metode yang
kedua, tiap responden akan diabsensi masing-masing 7 pose wajah yang berbeda
dengan 5 macam setting tingkat kemiripan. Sehingga bisa diketahui seberapa
akurat aplikasi absensi ini.
A.

Metode Pendeteksian Wajah
Pada metode ini, menampilkan gambar deteksi wajah antara foto yang ada

di database dengan foto pada saat absensi. Pada kolom sebelah kiri adalah foto

36

pada saat absensi, sedangkan pada kolom sebelah kanan adalah foto yang ada di
dalam database. Untuk lebih jelasnya bisa dilihat uji akurasi di bawah ini:
1. Nama Responden: Angga Wahyu Aprista

Gambar 5.11 Responden 1
2. Nama Responden: Septian Widanehru

Gambar 5.12 Responden 2
3. Nama Responden: Deni Budianto

Gambar 5.13 Responden 3

37

4. Nama Responden: Yudha Tugas Saputra

Gambar 5.14 Responden 4
5. Nama Responden: Ardy Pranajaya

Gambar 5.15 Responden 5
6. Nama Responden: Ali Ihwan

Gambar 5.16 Responden 6

38

7. Nama Responden: Eko P.

Gambar 5.17 Responden 7
8. Nama Responden: Ahmad Faris

Gambar 5.18 Responden 8
9. Nama Responden: Husein Hairudin

Gambar 5.19 Responden 9
10. Nama Responden: Andika Fajrin

Gambar 5.20 Responden 10

39

11. Nama Responden: Ramadani Sudrajat

Gambar 5.21 Responden 11
12. Nama Responden: Hardianto Dwi

Gambar 5.22 Responden 12
13. Nama Responden: Imam Sumantri

Gambar 5.23 Responden 13
14. Nama Responden: Nurtika Setiowati

Gambar 5.24 Responden 14

40

15. Nama Responden: Selamet Soendoro

Gambar 5.25 Responden 15
16. Nama Responden: Ahmat Mukson

Gambar 5.26 Responden 16
17. Nama Responden: M. Faizal

Gambar 5.27 Responden 17
18. Nama Responden: M. Rizal

Gambar 5.28 Responden 18

41

19. Nama Responden: Ekin Alidra

Gambar 5.29 Responden 19
20. Nama Responden: Haqiqi Agus

Gambar 5.30 Responden 20

B.

Metode Pengujian Berbagai Macam Pose dan Setting Kemiripan

1. Pengujian Pertama:
Nama: Angga Wahyu Aprista
NPM: 0634015058

42

Tabel 5.1 Hasil Pengujian Pertama
Pose

Biasa
Senyum
Buka
Mulut
Lebar
Menoleh
Kanan
Menoleh
Kiri
Lihat Atas
Lihat
Bawah

2.

Setting Tingkat Kemiripan (Dalam %)
60

70

80

90

100

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi

Terdeteksi
Salah
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Salah
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Salah
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi

Pengujian Kedua
Nama: Septian Widanehru
NPM: 0634015077
Tabel 5.2 Hasil Pengujian Kedua
Pose

Setting Tingkat Kemiripan (Dalam %)
60

70

80

90

100

Biasa

Terdeteksi
Benar

Terdeteksi
Benar

Terdeteksi
Benar

Tidak
Terdeteksi

Tidak
Terdeteksi

Senyum

Terdeteksi
Benar

Terdeteksi
Benar

Terdeteksi
Benar

Tidak
Terdeteksi

Tidak
Terdeteksi

Buka Mulut
Lebar

Terdeteksi
Benar

Terdeteksi
Benar

Terdeteksi
Benar

Terdeteksi
Benar

Tidak
Terdeteksi

Menoleh
Kanan

Tidak
Terdeteksi

Tidak
Terdeteksi

Tidak
Terdeteksi

Tidak
Terdeteksi

Tidak
Terdeteksi

Menoleh
Kiri

Terdeteksi
Benar

Terdeteksi
Benar

Tidak
Terdeteksi

Terdeteksi
Benar

Tidak
Terdeteksi

Lihat Atas

Terdeteksi
Benar

Terdeteksi
Benar

Tidak
Terdeteksi

Terdeteksi
Benar

Tidak
Terdeteksi

Lihat
Bawah

Terdeteksi
Benar

Tidak
Terdeteksi

Terdeteksi
Benar

Tidak
Terdeteksi

Tidak
Terdeteksi

43

3.

Pengujian Ketiga
Nama: Deni Budianto
NPM: 0634015016
Tabel 5.3 Hasil Pengujian Ketiga
Pose

Biasa
Senyum
Buka Mulut
Lebar
Menoleh
Kanan
Menoleh
Kiri
Lihat Atas
Lihat
Bawah

4.

Setting Tingkat Kemiripan (Dalam %)
60

70

80

90

100

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi

Pengujian Keempat
Nama: Yudha Tugas Saputra
NPM: 0634015028
Tabel 5.4 Hasil Pengujian Keempat
Pose

Biasa
Senyum
Buka
Mulut
Lebar
Menoleh
Kanan
Menoleh
Kiri
Lihat Atas
Lihat
Bawah

Setting Tingkat Kemiripan (Dalam %)
60

70

80

90

100

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Tidak
Terdeteksi
Tidak
Terdeteksi
Tidak
Terdeteksi

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar
Terdeteksi
Benar

Ti