PERANCANGAN DAN IMPLEMENTASI SISTEM ABSE
PERANCANGAN DAN IMPLEMENTASI SISTEM ABSENSI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE
Diajukan Untuk Memenuhi Syarat Kelulusan Mata Kuliah Tugas Akhir
Disusun oleh : Ahmad Khairul Anwar
NIM : 1364001
PROGRAM STUDI TEKNIK ELEKTRO STRATA I SEKOLAH TINGGI TEKNOLOGI JAWA BARAT BANDUNG 2017
LEMBAR PENGESAHAN
JUDUL
: PERANCANGAN DAN IMPLEMENTASI SISTEM ABSENSI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE
NAMA : AHMAD KHAIRUL ANWAR NIM
Laporan Tugas Akhir ini ini telah kami baca dan dapat diterima untuk di presentasikan di Program Studi Teknik Elektro Sekolah Tinggi Teknologi Jawa Barat
Menyetujui,
Ajeng Mayang KS, MT. Asdianur Hadi, MT.
Pembimbing I Pembimbing II
Mengetahui,
Riki Ridwan Margana, MT. Ajeng Mayang KS, MT.
Ketua STT Jabar Ketua Program Studi Teknik Elektro
ABSTRAK
Pengenalan wajah adalah teknologi komputer untuk menentukan lokasi wajah, ukuran wajah, deteksi fitur wajah dan pengabaian citra latar, selanjutnya
dilakukan identifikasi citra wajah [1] . Mesin absensi kartu Amano GX500 banyak memiliki kekurangan. Seperti sistem penggajian perminggu yang harus dilakukan
dengan menyalin jam-jam masuk dari kartu dan mengolahnya didalam microsoft excel hal ini tentu memakan waktu lama dan rawan human error. Berdasarkan masalah tersebut penulis melaksanakan penelitian yang bertujuan untuk merancang dan membuat sistem absensi berbasis pengenalan wajah menggunakan metode eigenface sebagai pengganti sistem absensi kartu.
Penelitian diawali dengan pengumpulan referensi yang berkaitan dengan sistem absensi pengenalan wajah, kemudian berdasarkan referensi tersebut dibuat aplikasi deteksi dan pengenalan wajah untuk menguji akurasi dari sistem. Setelah itu sistem absensi berbasis pengenalan wajah kemudian dibuat untuk diuji di CV. Karya Mitra Utama sebagai pengganti sistem absensi berbasis kartu. Hasil dari pengujian berupa Persentase nilai akurasi sistem adalah 97,22%. Dimana keluaran aplikasi berupa nilai gaji karyawan dalam format Hal ini menandakan bahwa aplikasi dapat digunakan sebagai aplikasi sistem absensi sekaligus dapat mempercepat proses pengolahan data absensi karyawan.
Kata Kunci : Pengenalan Wajah, Eigenface, Deteksi Wajah, Kairos
ABSTRACT
Face recognition is a computer technology for determining face location, face size, face detection and background image abandonment, then identifying
face image [1] . Attendance card machine Amano GX500 has many problem and shortcomings. Like a weekly payroll system that needs to be done by copying the
incoming hours of the card and processing it in microsoft excel it certainly takes a long time and prone to human error. Based on these problems the authors carry out research that aims to design and make an attendance system with face recognition based using eigenface method as substitute card attendance system.
The research begins with collection of references related to the face recognition system, then based on these references author made face detection and recognition application to test the accuracy of the system. After that applications face recognition based system then made to be tested in CV. Karya Mitra Utama as a replacement for card-based attendance system. The result of the test is percentage of system accuracy value at 97.22%. Where the application output have form of employee salary value in xlsx format. This indicates that the application can be used as system application attendance as well as to accelerate process employee attendace data.
Key word : Face Recognition, Eigenface, Face Detection, Kairos
MOTTO DAN PERSEMBAHAN
ْﺐَﺼْﻧﺎَﻓ َﺖْﻏَﺮَـﻓ اَذِﺈَﻓ o اًﺮْﺴُﻳ ِﺮْﺴُﻌْﻟا َﻊَﻣ نِإ
Sesungguhnya, sesudah kesulitan itu ada kemudahan. Maka apabila kamu telah selesai (dari sesuatu urusan), kerjakanlah dengan
sungguh-sungguh (urusan) yang lain," – (QS.94: 6 - 7)
ِْﱪﺼﻟﺎِﺑ o ٍﺮْﺴُﺧ ﻲِﻔَﻟ َنﺎَﺴْﻧﻹا نِإ
Sesungguhnya manusia itu benar-benar berada dalam kerugian kecuali orang-orang yang beriman dan mengerjakan amal shaleh, dan nasehat menasehati, supaya mentaati kebenaran, dan nasehat menasehati,
supaya menetapi kesabaran." – (QS.103: 2 - 3)
Kupersembahkan skripsi ini untuk orang tua, adik serta kakak tercinta
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT atas limpahan berkat dan rahmat-Nya, maka penulis dapat menyelesaikan penyusunan laporan tugas akhir “Perancangan dan Implementasi Sistem Absensi Pengenalan Wajah menggunakan Metode Eigenface ”.
Penulis menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, sangat sulit bagi penulis untuk menyelesaikan skripsi ini. Oleh karena itu, penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Allah SWT. sebagai Dzat yang maha segalanya yang telah membimbing, membantu dan memberikan petunjuk.
2. Orangtua, kakak dan adik tercinta yang memberi dukungan selama menyusun laporan tugas akhir.
3. Bapak Riki Ridwan Margana, MT., selaku ketua STT Jabar.
4. Ibu Ajeng Mayang KS, MT., sebagai kaprodi teknik elektro STT Jabar, dosen penguji serta dosen pembimbing.
5. Bapak Asdianur Hadi, MT. dan Bapak Iwan Juandi, MT., selaku dosen pembimbing dan dosen penguji.
6. Seluruh staff di CV. Karya Mitra Utama atas bantuannya
7. Seluruh staff di STT Jabar yang telah banyak membantu memberikan saran dan masukan dalam pengerjaan tugas akhir.
8. Indra, Riandi dan seluruh teman-teman mahasiswa STT Jabar yang memberikan dukungan dan semangat dalam penyusunan laporan ini.
9. Semua pihak yang tidak dapat disebutkan satu per satu yang telah banyak membantu dalam penyusunan laporan ini.
Akhir kata, penulis berharap Allah SWT berkenan membalas setiap kebaikan semua pihak yang telah membantu. Semoga skripsi ini dapat membawa manfaat untuk pengembangan ilmu kedepannya.
Bandung, 16 September 2017
Penulis
DAFTAR ISTILAH ISTILAH PENGERTIAN
Citra : Gambar
dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling.
dua
Gambar : Sesuatu yang dapat mewakilkan suatu objek nyatanya serta memiliki karakter warna maupun bentuk yang sesuai dengan aslinya
Sistem : Sistem yang berisi informasi lengkap mengenai kehadiran Absensi
dan ketidakhadiran seorang karyawan
Identifier : Tanda pengenal atau identitas dari seseorang
Xlsx : Sebuah ekstensi file untuk program microsoft excel, microsoft excel sendiri merupakan sebuah program untuk mengolah angka
2 Dimensi : bentuk dari benda yang memiliki panjang dan lebar. (2D)
Istilah ini biasanya digunakan dalam bidang seni, animasi, komputer dan matematika.
Video : Teknologi untuk menangkap, merekam, memproses, mentransmisikan dan menata ulang gambar bergerak. Biasanya menggunakan film seluloid, sinyal elektronik, atau media digital
Machine : Disebut juga pembelajaran mesin adalah proses komputer Learning
untuk belajar dari data
Ekspresi : Ungkapan perasaan manusia.
Blok : Diagram dari sebuah sistem , di mana bagian utama atau Diagram
fungsi yang diwakili oleh blok dihubungkan dengan garis, yang menunjukkan hubungan dari blok.
Desain : Perencanaan dalam pembuatan sebuah Program
Webcam : Periferal berupa kamera yang dikendalikan oleh sebuah
komputer atau oleh jaringan komputer.
Basis : Setiap program yang diakses melalui koneksi jaringan Web
menggunakan HTTP
DAFTAR SINGKATAN
: Extensible Stylesheet Language
PHP : Personal Home Page, Hypertext Preprocessor SQL
: Structured Query Language
PCA
: Principle Component Analysis
API : Application Programming Interface HTML
: HyperText Markup Language ID : Identifier
PC
: Personal Computer
DBMS
: Database Management System
KTP
: Kartu Tanda Penduduk
DAFTAR LAMPIRAN
1 Profil Perusahaan
2 API Kairos
3 Kode Sumber Program
4 Dokumentasi
5 Jurnal
6 Biodata
BAB I PENDAHULUAN
1.1 Latar Belakang
Pengenalan wajah adalah teknologi komputer untuk menentukan lokasi wajah, ukuran wajah, deteksi fitur wajah dan pengabaian citra latar,
selanjutnya dilakukan identifikasi citra wajah [1] . Pengenalan wajah melibatkan banyak variabel, misalnya citra sumber, citra hasil pengolahan citra, citra hasil
ekstraksi dan data profil seseorang [1] . Dibutuhkan juga alat pengindera berupa sensor kamera dan metode untuk menentukan apakah citra yang ditangkap
oleh webcam tergolong wajah manusia atau bukan, sekaligus untuk menentukan informasi profil yang sesuai dengan citra wajah yang dimaksud.
Pengenalan wajah telah dikembangkan untuk banyak aplikasi keamanan, aplikasi absensi dan aplikasi pendataan penduduk [1] .
Penggunaan wajah sebagai identifier mempunyai banyak manfaat, terutama kepraktisannya karena memerlukan sebuah gambar untuk identifikasi [1] .
CV. Karya Mitra Utama merupakan salah satu perusahaan yang bergerak pada bidang perindustrian seperti machining, electroplating, heat treatment, supplier, consultant management dan general trading. Sebagai perusahaan yang cukup besar dan memiliki banyak karyawan, pada sistem absensi CV. Karya Mitra Utama masih menggunakan mesin absensi kartu.
Mesin mesin absensi kartu tersebut yang bernama amano GX500 masih berjalan sampai saat ini, namun alat tersebut memiliki banyak kekurangan, Seperti sistem penggajian perminggu yang harus dilakukan dengan menyalin jam-jam masuk dari kartu dan mengolahya didalam microsoft excel hal ini tentu memakan waktu yang lumayan lama dan rawan human error. Selain banyak karyawan yang terpaksa menunggu pada setiap hari gajian, seringkali gaji yang didapatkan tidak sesuai dengan jam bekerja karyawan.
Maka solusi dari permasalahan tersebut adalah dengan melaksanakan penelitian yang bertujuan untuk menghasilkan sistem absensi yang lebih baik dan handal, sistem absensi yang akan dibuat adalah sistem absensi Maka solusi dari permasalahan tersebut adalah dengan melaksanakan penelitian yang bertujuan untuk menghasilkan sistem absensi yang lebih baik dan handal, sistem absensi yang akan dibuat adalah sistem absensi
1.2 Perumusan Masalah
Berdasarkan latar belakang maka didapatkan perumusan masalah, yaitu:
1. Bagaimana membuat aplikasi pengenalan wajah sebagai identifikasi untuk sistem absensi dan menggantikan absensi berbasis kartu.
2. Bagaimana membuat sistem absensi pengenalan wajah menggunakan menggunakan metode eigenface, bahasa pemograman PHP, database
MySQL dan pustaka perangkat lunak kairos.
3. Bagaimana mementukan nilai akurasi sistem pengenalan wajah yang dibuat menggunakan metode eigenface, serta bagaimana aplikasi dapat
mempercepat proses pengolahan data absensi karyawan
1.3 Pembatasan Masalah
Berikut beberapa pembatasan masalah pada sistem absensi pengenalan wajah menggunakan metode eigenface, yaitu :
1. Aplikasi sistem absensi berbasis pengenalan wajah dibuat untuk menggantikan sistem absensi kartu.
2. Aplikasi dibuat menggunakan metode eigenface, bahasa pemograman PHP, sistem manajemen database MySQL dan pustaka perangkat lunak
kairos.
3. Aplikasi dibuat untuk menguji seberapa besar nilai akurasi pengenalan wajah metode eigenface, serta untuk mempercepat proses pengolahan
data absensi karyawan.
1.4 Tujuan
Tujuan dalam pembuatan sistem absensi pengenalan wajah menggunakan metode eigenface adalah:
1. Membuat sistem absensi berbasis pengenalan wajah sebagai pengganti sistem absensi berbasis kartu.
2. Merancang dan membuat aplikasi sistem absensi berbasis pengenalan wajah menggunakan metode eigenface, bahasa pemograman PHP,
sistem manajemen database MySQL dan pustaka perangkat lunak kairos
3. Melaksanakan pengujian untuk mengetahui seberapa besar nilai akurasi sistem absensi berbasis pengenalan wajah dan membuat sistem aplikasi
yang dapat mempercepat proses pengolahan data absensi karyawan.
1.5 Kegunaan
Dengan dilaksanakannya penelitian ini diharapkan sistem absensi pengenalan wajah dapat menjadi sistem absensi pengganti yang lebih baik dari mesin kartu.
1.6 Sistematika Penulisan
Sistematika penulisan ini membagi penyajian tulisan menjadi enam bab, masing-masing bab meliputi; BAB I PENDAHULUAN
Membahas latar belakang, perumusan masalah, pembatasan masalah, tujuan, kegunaan serta sistematika penulisan laporan. BAB II LANDASAN TEORI
Berisi referensi, materi maupun teori dasar mengenai pengolahan citra, pengenalan wajah, deteksi wajah, metode eigenface, pustaka perangkat lunak kairos dan hal lainya yang menyangkut dengan penelitian yang akan dilaksanakan BAB III METODOLOGI PENELITIAN
Membahas metode yang digunakan pada penelitian seperti alur penelitian, analisa aplikasi, analisa pembuatan aplikasi, rancangan database. Pada bab ini juga akan dibahas perangkat keras maupun Membahas metode yang digunakan pada penelitian seperti alur penelitian, analisa aplikasi, analisa pembuatan aplikasi, rancangan database. Pada bab ini juga akan dibahas perangkat keras maupun
Membahas metode yang digunakan dalam melaksanakan pengumpulan dan pengolahan data untuk pengujian akurasi maupun implementasi aplikasi BAB V ANALISIS DAN PEMBAHASAN
Berisi analisis dan pembahasan dari hasil penelitian dari pengujian akurasi seperti pengujian aplikasi pengenalan wajah pada citra wajah dan bukan wajah. Pada bab ini juga terdapat analisis dan pembahasan dari implementasi aplikasi yang hasil akhirnya berupa gaji mingguan karyawan. BAB VI PENUTUP
Membahas kesimpulan dari hasil penelitian, saran untuk meningkatkan akurasi dan kecepatan aplikasi serta saran pengembangan aplikasi ini selanjutnya.
BAB II LANDASAN TEORI
2.1 Visi Komputer
Visi komputer (Computer Vision) merupakan ilmu yang mempelajari tentang bagaimana komputer dapat mengamati dan mengobservasi suatu benda tertentu. Hal ini bertujuan untuk meniru visualisasi yang dapat dilakukan oleh manusia sehingga dapat dilakukan oleh komputer, yang dalam aplikasinya
dapat dilakukan pemrosesan lebih lanjut [9] . Visi komputer terbagi menjadi 2 bidang ilmu, yaitu :
1. Pengolahan Citra
Pengolahan Citra (image Processing) merupakan salah satu ilmu yang mempelajari tentang teknik perbaikan kualitas citra yang kurang baik menjadi citra yang lebih baik dan diterima sebagi citra yang mudah
dikenali [3] .
2. Pengenalan pola
Pengenalan pola (Pattern recognition) merupakan pengidentifikasian objek berdasarkan proses pengelompokkan data numerik dan simbolik
(termasuk citra), yang dilakukan secara otomatis oleh komputer [3] . Pola adalah suatu bentuk dimana masing-masing pola memiliki ciri-
cirinya. Ciri-ciri tersebut digunakan utuk membedakan suatu pola dengan pola yang lainnya. Ciri yang baik adalah ciri yang memiliki daya pembeda yang tinggi, sehingga pengelompokkan pola berdasarkan ciri yang
dimiliki dapat dilakukan dengan keakuratan yang tinggi [6] .
2.2 Citra
Data atau informasi tidak hanya disajikan dalam bentuk teks saja, akan tetapi dapat berupa sebuah gambar (citra), audio (bunyi, suara, musik), dan video. Macam-macam data atau informasi tersebut sering disebut multimedia. Citra sendiri adalah gambar pada bidang dwiwarna (dua dimensi), ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwiwarna. Sumber Data atau informasi tidak hanya disajikan dalam bentuk teks saja, akan tetapi dapat berupa sebuah gambar (citra), audio (bunyi, suara, musik), dan video. Macam-macam data atau informasi tersebut sering disebut multimedia. Citra sendiri adalah gambar pada bidang dwiwarna (dua dimensi), ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwiwarna. Sumber
bayangan objek yang disebut citra tersebut terekam [3] . Citra merupakan salah satu komponen multimedia yang memiliki
peranan penting sebagai informasi visual. Citra memiliki karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi [1] .
Pengolahan citra secara digital dimulai pada awal tahun 1921, yaitu pertama kalinya sebuah foto berhasil di transmisikan secara digital melalui kabel laut dari kota New York ke kota London dengan memakan waktu kurang dari 3 jam yang biasanya pengiriman suatu foto saat itu membutuhkan waktu sekitar satu minggu. Selanjutnya pada tahun 1960 tercatat perkembangan pesat dikarenakan munculnya teknologi komputer yang sanggup memenuhi suatu kecepatan proses dan kapasitas memori yang dibutuhkan oleh
berbagai algoritma pengolahan citra [3] .
2.3 Sistem Deteksi Wajah
Deteksi wajah merupakan salah satu teknologi biometrik, yang digunakan oleh perangkat lunak untuk mendektesi keberadaan wajah manusia sekaligus menghiraukan objek lain seperti pohon, bangunan dan
tubuh manusia dalam sebuah citra [1] . Proses pendeteksian wajah adalah proses mensegmentasi area wajah
dengan latar belakang dari suatu masukan citra. Proses ini bekerja dengan cara memeriksa citra yang dimasukan, apakah memiliki citra wajah atau tidak, jika memiliki citra wajah, maka akan dilakukan pemisahan dengan
cara memotong citra wajah dari latar belakang citra yang dimasukan [10] . Untuk masukan berbentuk video, proses yang dilakukan adalah proses
face tracking. Secara umum, proses face tracking dan proses pendeteksian wajah mempunyai fungsi yang sama. Perbedaannya terletak pada proses pendeteksiannya saja, jika pada masukan berbentuk citra, sistem berjalan offline sehingga dapat menggunakan proses pendeteksian wajah, sedangkan pada masukan video, sistem berjalan secara online atau real-time yang face tracking. Secara umum, proses face tracking dan proses pendeteksian wajah mempunyai fungsi yang sama. Perbedaannya terletak pada proses pendeteksiannya saja, jika pada masukan berbentuk citra, sistem berjalan offline sehingga dapat menggunakan proses pendeteksian wajah, sedangkan pada masukan video, sistem berjalan secara online atau real-time yang
gambar 2.1.
Gambar 2.1. Proses Face Tracking
Dalam deteksi wajah ada empat istilah yang sering dipakai antara lain [9] :
1. True positive = Wajah terdeteksi benar sebagai wajah
2. True Negative = Wajah terdeteksi benar sebagai bukan wajah
3. False positive = Wajah tidak terdeteksi sebagai wajah
4. False negative = Bukan wajah terdeteksi wajah
2.4 Sistem Pengenalan Wajah
Pengenalan wajah adalah teknologi biometrik untuk menentukan lokasi wajah, ukuran wajah, deteksi fitur wajah dan pengabaian citra latar,
selanjutnya dilakukan identifikasi citra wajah [1] . Prinsip dasar dari pengenalan wajah adalah dengan mengutip informasi unik wajah tersebut,
kemudian di-encode dan dibandingkan dengan hasil decode yang sebelumnya dilakukan [7] .
Sistem pengenalan wajah digunakan untuk membangunan identitas. dengan tujuan utama yaitu mengidentifikasi sebuah wajah dalam citra dan
mencocokannya dengan citra yang ada di dalam database [1] . Secara umum cara kerjanya adalah dengan mengkonversikan foto, sketsa, dan citra video
menjadi serangkaian angka kemudian membandingkannya dengan rangkaian angka lain yang mewakili wajah-wajah yang sudah dikenal [2] .
Secara umum, meskipun didasari dengan metode-metode yang berbeda proses pengenalan wajah terdiri dari dua proses utama yaitu, proses pelatihan citra dan proses pengenalan citra. Kedua proses ini memiliki tahapan-tahapan yang hampir sama, perbedaannya terletak pada hasil
ekstraksi fiturnya [10] . Untuk lebih jelasnya, pada Gambar 2.2 ditunjukan diagram blok sistem pelatihan dan pengenalan citra wajah secara umum.
(a)
(b)
Gambar 2.2. Proses Tahapan (a) Pelatihan Wajah (b) Pengenalan Wajah [10]
Pertama akan ditentukan lokasi wajah pada citra atau video (deteksi wajah), selanjutnya citra bukan wajah akan dibuang atau diabaikan, kemudian fitur pada wajah di ekstraksi menjadi vektor, langkah selanjutnya untuk pelatihan wajah vektor fitur akan disimpan, sedangkan untuk pengenalan wajah vektor fitur akan dicocokan dengan fitur yang ada dalam database.
Secara umum, teknik dan metode dalam pengenalan wajah dapat dikelompokan ke dalam tiga pendekatan berdasarkan data yang
dibutuhkannya [1] , yaitu:
1. Pendekatan holistik. Pada pendekatan holistik, seluruh bagian atau ciri- ciri global wajah digunakan sebagai data masukan untuk pengenalan wajah. Contoh: eigenface, fisherface, nearest feature line (NFL), dan support vector machine (SVM).
2. Pendekatan feature-based. Pada pendekatan feature-based, wajah terbagi berdasarkan ciri-ciri lokal wajah seperti hidung, mulut, mata, dan lainnya yang kemudian digunakan sebagai data masukan. Contoh : Hidden Markov Model, Kairos dan Dynamic Link Architecture.
2.5 Algoritma Eigenface
Kata eigenface sebenarnya berasal dari bahasa Jerman “eigenwert” dimana “eigen” artinya karakteristik dan “wert” artinya nilai [5] . Eigenface
sendiri merupakan salah satu algoritma pengenalan pola wajah yang berdasarkan pada Principle Component Analysis (PCA).
Dalam metode eigenface, decoding dilakukan dengan menghitung eigenvector kemudian direpresentasikan dalam sebuah matriks yang berukuran besar. Eigenvector juga dinyatakan sebagai karakteristik wajah
oleh karena itu metode ini disebut dengan eigenface [5] . Untuk menghasilkan eigenface, sekumpulan besar citra digital dari
wajah manusia diambil pada kondisi pencahayaan yang sama, dinormalisasi dan kemudian diolah pada resolusi yang sama (misalnya m x n), dan kemudian diperlakukan sebagai vektor dimensi mn di mana komponennya
diambil dari nilai dari pikselnya [1] . Flowchat dari algoritma eigenface dapat dilihat pada gambar 2.3.
Gambar 2.3. Flowchart Algoritma Eigenface [1]
Adapun algoritma selengkapnya adalah sebagai berikut:
1. Penyusunan Flat Vector
Langkah pertama adalah menyusun seluruh training image rnenjadi
1 matriks tunggal. Misalkan citra berukuran H × W piksel dan jumlahnya N buah, maka flatvector yang dihasilkan berdimensi N × (H × W). Selanjutnya representasikan semua matriks training menjadi matriks dengan bentuk N × 1 atau matriks linier. Untuk lebih jelasnya dapat dilihat pada gambar 2.4.
Gambar 2.4. Skema Matriks Wajah
Sebagai contoh untuk training image yang didalamnya terdapat 2 citra wajah dengan ukuran 3 × 3 piksel maka eigenvector akan memiliki ukuran 2 × 9 ( 2 × 3 × 3 ). dua buah citra wajah yang telah diubah menjadi matriks, kemudian diubah kedalam bentuk rataan flatvector. Untuk lebih jelasnya dapat dilihat pada gambar 2.5.
Gambar 2.5. Penyusunan Flatvector [1]
2. Penghitungan Rataan FlatVector
Dari flatvector yang diperoleh, jumlahkan seluruh barisnnya sehingga memperoleh matriks berukuran 1 x (H x W). Setelah itu mastriks tersebut dibagi dengan jumlah image N untuk mendapatkan rataan flatvector. Nilai flatvector citra akan digunakan untuk menghitung nilai eigenface citra wajah (training image). Untuk lebih jelasnya dapat dilihat pada gambar 2.6
Gambar 2.6. Penentuan Rataan Flatvector [1]
3. Tentukan nilai eigenface
Dengan menggunakan rataan flatvector citra yang telah didapatkan, nilai eigenface untuk matriks flatvector yang sudah disusun tersebut dapat dihitung nilai eigenface-nya. Caranya dengan mengurangi baris- baris pada matriks flatvector dengan rataan flatvector. Jika didapatkan nilai dibawah nol, maka nilainya diganti dengan nol. Untuk lebih jelasnya dapat dilihat pada gambar 2.7
Gambar 2.7. Perhitungan Nilai Eigenface Untuk Training [1]
4. Proses Identifikasi
Untuk mengenali citra tes (testface), langkah identifikasinya adalah menghitung nilai eigenface untuk matriks testface dengan cara
sebelumnya untuk menentukan nilai eigenface dan flatvector citranya [7] . Untuk lebih jelasnya dapat dilihat pada gambar 2.8.
Gambar 2.8. Perhitungan Nilai Eigenface Untuk Testface [7]
Setelah nilai eigenface untuk testface diperoleh maka proses identifikasi dapat diliakukan dengan menentukan jarak terpendek antara eigenface dan eigenvector training image. Pertama tentukan nilai absolut dari pengurangan baris pada matriks eigenface training image dengan eigenface dari testface, kemudian jumlahkan elemen-elemen penyusun vector yang dihasilkan dari pengurangan tadi untuk menghasilkan jarak indeks, lakukan untuk semua baris kemudian, cari nilai yang terkecil. Untuk lebih jelasnya dapat dilihat pada gambar 2.9.
Gambar 2.9. Proses Identifikasi Dengan Input Image Testface [1]
Dari hasil perhitungan, diperoleh jarak citra face 2 memiliki nilai yang terkecil yaitu satu, maka hasil identifikasi menyimpulkan bahwa testface lebih mirip dengan face dua dari pada face satu.
2.6 Algoritma Kairos
Kairos adalah perusahaan yang bergerak pada bidang kecerdasan buatan khususnya pengenalan wajah. melalui visi komputer (computer vision ) dan pembelajaran mesin (machine learning), kairos dapat
mengenal wajah dari video, foto maupun dunia nyata (realtime) [11] . Dengan nama yang sama produknya yaitu kairos adalah salah satu
pustaka perangkat lunak yang dikhususkan untuk deteksi wajah, menggunakan metode featured-based. Kairos dapat membaca atau mengenali emosi, identitas serta demografi dari citra atau citra masukan
hanya dengan beberapa baris kode [11] .
2.6.1 Sistem Kerja Kairos
Kairos feature point detection menggunakan 49 titik unik pada wajah manusia untuk mengumpulkan data termasuk
didalamnya emosi, ekspresi, umur dan jenis kelamin [11] . feature point detection kairos dapat dilihat pada gambar 2.10.
Gambar 2.10. Feature Point Detection [3]
Sistem kerja kairos hampir sama dengan pustaka perangkat lunak lainnya. Untuk lebih jelasnya dapat dilihat pada gambar 2.11.
MENGAMBIL MENEMUKAN
KLASIFIKASI CITRA
MENENTUKAN
WAJAH
TITIK UNIK PADA
FITUR HASIL
WAJAH
Gambar 2.11. Sistem Kerja Kairos
Setelah citra diambil oleh kamera, kairos akan mencari wajah dan menentukan feature point detection pada citra, kemudian kairos mengklasifikasikan fitur (deteksi wajah, pengenalan wajah, verifikasi wajah, dan lain-lain), setelah itu kairos memberikan hasil data berupa deteksi wajah atau pengenalan wajah tergantung fitur
kairos mana yang digunakan [3] .
2.6.2 Fitur Kairos
Selain deteksi wajah dan pengenalan wajah, pustaka perangkat lunak kairos memiliki beberapa fitur utama yaitu:
A. Deteksi wajah
Setelah citra diambil oleh kamera, kairos akan mencari wajah dan menentukan feature point detection pada citra. setelah dianalisa dengan fitur deteksi wajah kairos akan memberikan hasil berupa titik unik dari wajah, identitas serta demografi dari wajah.
B. Pengenalan wajah
Pengenalan wajah kairos terbagi menjadi dua yaitu pelatihan wajah dan pengenalan wajah kedua-duanya memiliki sistem kerja yang hampir sama dengan deteksi wajah. Hanya saja setelah hasil berupa titik unik dari wajah ditentukan. Pada pelatihan wajah, citra wajah tersebut disimpan ke database, sedangkan pada pengenalan wajah, citra wajah tersebut dicocokan dengan wajah yang ada pada database.
C. Verifikasi wajah
Sistem kerja verifikasi wajah hampir sama dengan deteksi wajah, hanya saja verifikasi wajah memerlukan dua buah citra wajah yang nantinya setelah hasil berupa titik unik dari wajah ditentukan, kedua wajah tersebut akan dicocokan, intinya apakah wajah didalam dua foto ini sama atau tidak. Sebagai contoh dapat dilihat pada gambar 2.12. Hasilnya berupa kedua orang pada citra wajah gambar 2.12 adalah orang yang sama.
Gambar 2.12. Verifikasi Wajah [11]
D. Deteksi ekspresi dan demografi
Setiap wajah yang dideteksi oleh kairos melalui fitur deteksi wajah dan pengenalan wajah, setelah titik unik pada wajah ditentukan, terdapat keluaran tambahan berupa ekspresi dan juga demografi. Untuk lebih jelasnya, dapat dilihat citra wajah yang diuji serta hasilnya pada gambar 2.13.
(a)
(b)
Gambar 2.13. (a) Citra Wajah Yang Diuji (b) Hasil Yang Masih Berupa Skrip [11]
Penjelasan secara detail hasil pengenalan wajah kairos dapat dilihat pada tabel 2.1.
Tabel 2.1. Hasil Deteksi Pengenalan Wajah Kairos
Rentang umur 26 - 35 Jenis Kelamin (Gender) maleConfidence : 0.99317
Grup Umur
Dewasa Awal (Young adult)
Skala 0 s/d 1, maleConfidence =
femaleConfidence : 0.00189
Laki - laki, femaleConfidence = Perempuan, Nilai tertinggi adalah kemungkinan
terbesar jenis kelamin yang dimiliki citra wajah
Suku / Ras
Asia (Asian) : 0.97943
Skala 0 s/d 1, Semakin tinggi nilai, semakin tinggi kemungkinan ras
Amerika (Hispanic) : 0.00189
atau suku milik citra wajah
Kulit Hitam (Black) : 0.00024 Kulit Putih (White) : 0
Terpisah = Apart, Kondisi bibir
Terpisah (Apart)
Menutup = Together Berkacamata = Yes,
Kacamata (glasees)
Tidak berkacamata = No Emosi
Tidak (No)
Marah (anger) : 0
Skala 0 s/d 100, Semakin tinggi nilai, semakin tinggi kemungkinan
Disgust (jijik) : 0
emosi yang sedang ditunjukan pada
fear (takut) : 0
citra wajah
joy (senang) : 1.621 sadness (sedih) : 0 surprise (terkejut) : 0
2.6.3 Perbandingan Kairos dengan OpenCV
Dari banyak pustaka perangkat lunak yang ada kairos memiliki banyak kelebihan. kelebihan kairos dibandingkan dengan pustaka perangkat lunak lain sebagai contoh OpenCV selengkapnya dapat dilihat pada tabel 2.1.
Tabel 2.2. Perbandingan Kairos dan OpenCV
OpenCV Deteksi Wajah
Metode
Kairos
Pengenalan Wajah
Emosi - Demografi
- Multi-Deteksi Wajah
SDK
API -
sumber: https://www.kairos.com/blog/face-recognition-kairos-vs-opencv
Memiliki lebih dari 2500 algoritma yang dioptimalkan untuk segala hal mulai dari deteksi wajah hingga pelacakan objek [9] ,
fitur pengenalan dan deteksi wajah pada OpenCV ternyata terbatas, selain itu penggunaannya yang terbilang kompleks sulit untuk mengitegrasikan OpenCV dengan Hypertext Preprocessor (PHP).
Berbeda dengan kairos, kairos memiliki banyak fitur pada deteksi maupun pengenalan wajah, API milik kairos yang bersifat easy-to-use dan gratis sangat mudah diitegrasikan dengan PHP. API (Application Programming Interface) sendiri Berbeda dengan kairos, kairos memiliki banyak fitur pada deteksi maupun pengenalan wajah, API milik kairos yang bersifat easy-to-use dan gratis sangat mudah diitegrasikan dengan PHP. API (Application Programming Interface) sendiri
sebuah sistem operasi [11] .
2.7 Hypertext Preprocessor (PHP)
PHP adalah sebuah bahasa pemograman umum yang digunakan untuk pembuatan aplikasi berbasis web yang bisa
ditanamkan pada HTML [2] . Pada awalnya PHP merupakan singkatan dari Personal Home Page (Situs personal). PHP pertama
kali dibuat oleh Rasmus Lerdorf pada tahun 1995 [12] . Pada tahun 1997-1998, sebuah perusahaan bernama Zend menulis ulang
interpreter PHP menjadi lebih bersih, lebih baik, dan lebih cepat dan mengubah singkatan PHP dari Personal Home Page ke
Hypertext Preprocessor [12] .
PHP harus ditulis di antara tag <?php dan ?>. Setiap satu statement (perintah) harus diakhiri dengan titik-koma(;). PHP adalah bahasa pemograman yang case sensitive untuk nama identifiernya (variable, konstanta, fungsi dan lain-lain) contoh:
$nama ≠ $Nama ≠ $NAMA [12] .
Dari banyaknya bahasa pemograman yang ada PHP memiliki banyak kelebihan dibandingkan dengan bahasa pemograman lain. Beberapa kelebihan tersebut antara lain :
1. PHP bersifat open source yang berarti dapat digunakan oleh
siapa saja secara gratis.
2. Program yang dibuat dengan PHP bisa dijalankan oleh semua sistem operasi karena PHP berjalan secara web based yag artinya semua sistem operasi bahkan HP yang mempunyai web
browser dapat menjalankan PHP [2] .
3. Aplikasi PHP lebih cepat dibandingkan dengan ASP maupun
Java [2] .
4. Mendukung banyak paket database seperti MySQL, Oracle,
PostgrSQL, dan lain-lain.
5. Bahasa pemrograman PHP tidak memerlukan Kompilasi
dalam penggunaannya.
6. Banyak web server yang mendukung PHP seperti Apache,
Lighttpd, dan IIS [2] ..
7. Pengembangan aplikasi PHP mudah karena banyak dokumentasi, referensi dan developer yang membantu dalam pengembangannya.
8. Banyak bertebaran aplikasi dan program PHP yang gratis dan
siap pakai seperti wordpress dan prestashop [2] .. Selain memiliki kelebihan, PHP juga memiliki kekurangan.
Namun dibandingkan dengan kelebihan yang dimilikinya, PHP hanya memiliki kekurangan yang sedikit. kekurangan tersebut antara lain :
1. Tidak bisa memisahkan antara tampilan dengan logik dengan
baik (dapat diperbaiki dengan menggunakan template) [2] .
2. PHP tidak di encoding, sehingga dapat dibaca semua orang (php dapat di encoding menggunakan software seperti IonCube
atau menggunkan tool dari Zend) [11] .
3. PHP memiliki kelemahan keamanan. Programmer harus jeli dan berhati-hati dalam melakukan pemrograman dan
Konfigurasi PHP [2] .
2.8 My Structured Query Language (MySQL)
MySQL merupakan sistem manajemen database (Database management System ) SQL (Structured Query Language) yang open-source, multithread, multi-user, dengan sekitar 6 juta
instalasi [9] di seluruh dunia . MySQL memiliki beberapa keistimewaan, antara lain :
1. Portabilitas. MySQL dapat berjalan stabil pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac Os X Server,
Solaris, Amiga, dan masih banyak lagi [9] .
2. MySQL didistribusikan sebagai perangkat lunak sumber terbuka,
dibawah lisensi GPL sehingga dapat digunakan secara gratis [9] .
3. Multi-user. MySQL dapat digunakan oleh beberapa pengguna dalam waktu yang bersamaan tanpa mengalami masalah atau konflik [9] .
4. Performance tuning, MySQL memiliki kecepatan yang menakjubkan dalam menangani query sederhana, dengan kata lain
dapat memproses lebih banyak SQL per satuan waktu [9] .
5. MySQL memiliki ragam tipe data, seperti signed atau unsigned
integer, float, double, char, text, date, timestamp, dan lain-lain [2] .
6. Perintah dan Fungsi. MySQL memiliki operator dan fungsi secara penuh yang mendukung perintah Select dan Where dalam perintah
(query) [2] .
7. MySQL memiliki beberapa lapisan keamanan seperti level subnetmask, nama host, dan izin akses user dengan sistem
perizinan yang mendetail serta sandi terenkripsi [9] . Namun terhitung sejak PHP versi 5.5, MySQL tidak lagi
disarankan penggunaannya dan berstatus deprecated, yang berarti akan dihapus pada PHP versi berikutnya. Sebagai gantinya programmer
disarankan mulai beralih menggunakan MySQLi [12] .
Secara garis besar, tidak ada perbedaan besar antara MySQL dengan MySQLi. Nama-nama fungsi dalam MySQLi sebagian besar mirip dengan apa yang ada pada MYSQL, karena MySQLi sendiri merupakan pengembangan dari MySQL, i sendiri dalam MySQLi adalah improved yang artinya pengembangan,
MySQLi dikembangkan mulai dari MySQL versi 4.1.3 [12] . Kelebihan MySQLi dibandingkan MySQL antara lain:
1. Mendukung OOP (Object Oriented Programming).
2. Mendukung Prepared Statements.
3. Mendukung Multiple Statements.
4. Kemampuan debugging yang lebih baik.
BAB III METODOLOGI PENELITIAN
Gambar 3.1 Flowchart Penelitian
Penelitian diawali dengan pengumpulan referensi (studi literatur) yang berkaitan dengan sistem absensi pengenalan wajah, kemudian berdasarkan referensi tersebut dibuat aplikasi deteksi dan pengenalan wajah yang dibuat untuk menguji akurasi dari sistem absensi yang akan dibuat, setelah pengujian aplikasi selesai dilaksanakan sistem absensi berbasis pengenalan wajah kemudian dibuat untuk akhirnya diimplementasikan di CV. Karya Mitra Utama.
3.1 Analisa Pembuatan Aplikasi Deteksi Wajah dan Pengenalan Wajah
Aplikai deteksi wajah dan pegenalan wajah dibuat hanya untuk menguji akurasi dari pustaka perangkat kairos, secara umum terdapat tiga bagian utama yaitu bagian masukan (input), proses (process), dan keluaran (output). blok diagram sistem dapat dilihat pada Gambar 3.2.
Gambar 3.2 Blok Diagram Sistem
Dapat dilihat pada blok diagram sistem, masukan berasal dari kamera, gambar dari kamera tersebut kemudian di unggah, selanjutnya kemudian diproses oleh aplikasi dan hasil dari keluaran dari proses berupa peryataan dari sistem seperti tidak terdeteksi, terdeteksi dan dikenali.
3.2 Desain Aplikasi Deteksi Wajah dan Pengenalan Wajah
Desain dari aplikasi deteksi dan pengenalan wajah sangat sederhana dan hanya memiliki satu halaman, dimana pada halaman ini citra wajah diambil melalui webcam dan selanjutnya citra wajah diunggah, setelah diproses hasil akan diperlihatkan pada bagian terbawah aplikasi. selengkapnya dapat dilihat pada gambar 3.3.
(a) pengambilan gambar
(b) upload gambar Gambar 3.3 Desain Aplikasi Deteksi Dan Pengenalan Wajah
3.3 Analisa Pembuatan Aplikasi Absensi Berbasis Pengenalan Wajah
Pada perancangan aplikasi absensi berbasis pengenalan wajah, secara umum terdapat tiga bagian utama yaitu bagian masukan (input), proses (process), dan keluaran (output). blok diagram sistem dapat dilihat pada gambar 3.4.
Gambar 3.4 Blok Diagram Sistem
Dapat dilihat pada blok diagram sistem, masukan berasal dari kamera dan form input, selanjutnya masukan akan diproses oleh aplikasi, hasil dari keluaran dari proses merupakan data absensi Dapat dilihat pada blok diagram sistem, masukan berasal dari kamera dan form input, selanjutnya masukan akan diproses oleh aplikasi, hasil dari keluaran dari proses merupakan data absensi
Gambar 3.5 Sitemap Aplikasi
Aplikasi sendiri terbagi menjadi dua halaman, dimana pengaturan, pengunduhan data serta fitur latih terdapat pada halaman admin dan fitur absen wajah dan absen pilih nama berada pada halaman absen. Adapun penjelasan selengkapnya yaitu:
A. Pengaturan
Pengaturan merupakan bagian masukan dan inti dari aplikasi, karena variabel yang di masukan pada pengaturan secara langsung akan mempengaruhi jumlah gaji. Jam masuk dan jam keluar masukannya berupa angka, merepresentasikan jam masuk dan jam keluar kantor. Sedangkan gaji, lembur dan terlambat per jam, masukannya berupa angka, merepresentasikan jumlah uang yang diterima karyawan jika masuk hari ini atau lembur dan potongan jumlah uang jika terlambat.
B. Unduh data
Unduh data merupakan bagian keluaran dimana rekap data karyawan yang sudah melaksanakan absensi dapat diunduh dalam format microsoft excel (xlsx).
C. Lihat data
Lihat data merupakan bagian keluaran dimana rekap data karyawan yang sudah melaksanakan absensi dapat dilihat dalam bentuk tabel.
D. Fitur Latih
Fitur latih merupakan bagian masukan dimana fitur latih digunakan untuk mengambil citra wajah karyawan yang selanjutnya citra wajah tersebut digunakan untuk absensi.
E. Fitur Absen (Wajah)
Fitur absen (wajah) merupakan bagian masukkan dimana fitur absen ini berbasis pengenalan wajah, karyawan hanya perlu menghadapkan wajah ke kamera untuk melaksanakan absensi.
F. Fitur Absen (Pilih Nama)
Fitur absen (pilih nama) merupakan bagian masukan dimana fitur absen ini berbasis pilih nama, yang hanya digunakan bila terjadi masalah pada wajah seperti wajah karyawan yang tidak terbaca dikarenakan perubahan bentuk wajah yang signifikan hasil dari kecelakaan.
3.4 Desain Aplikasi Absensi Berbasis Pengenalan Wajah
Seperti yang telah disebutkan pada poin 3.2 aplikasi memiliki dua halaman, dimana halaman absen adalah halaman utama dan halaman admin adalah halaman pengaturan.
3.4.1 Halaman Absen
Pada halaman absen terdapat frame pengambilan citra wajah yang secara otomatis akan mengambil citra, jika pada frame terdeteksi sebuah wajah, citra yang terambil bersama dengan tahun-bulan-tanggal-jam-menit-detik saat itu kemudian di proses oleh sistem untuk disimpan didatabase. Keluaran yang dihasilkan adalah kondisi absen karyawan berupa datang, pulang dan sudah Pada halaman absen terdapat frame pengambilan citra wajah yang secara otomatis akan mengambil citra, jika pada frame terdeteksi sebuah wajah, citra yang terambil bersama dengan tahun-bulan-tanggal-jam-menit-detik saat itu kemudian di proses oleh sistem untuk disimpan didatabase. Keluaran yang dihasilkan adalah kondisi absen karyawan berupa datang, pulang dan sudah
Gambar 3.6 Flowchart Absensi
Sistem kerja absen pilih nama hampir sama dengan pengenalan wajah, perbedaannya hanya terletak pada masukannya, absen pilih nama masukannya berupa nama karyawan yang sudah terdaftar. Untuk desain halaman absen dapat dilihat pada gambar 3.7.
Gambar 3.7 Desain Halaman Absen
3.4.2 Halaman Admin
Halaman admin terbagi dalam empat menu utama, pada halaman ini terdapat pengaturan (jam masuk, jam keluar, besaran uang gaji, uang lembur, dan potongan terlambat), unduh data (excel), lihat data (tabel) dan fitur latih citra wajah. Adapun desain selengkapnya sebagai berikut:
A. Pengaturan
Masuk dan pulang diisi dengan jam masuk dan jam pulang kantor dengan rentang waktu 00.00 - 23.00, untuk gaji per jam, lembur per jam dan terlambat per jam diisi dengan angka (nominal uang). desain pengaturan dapat dilihat pada gambar 3.8.
Gambar 3.8 Desain Pengaturan
B. Unduh Data
Rentang data yang dapat diunduh adalah pertahun, dimana rentang tanggal dari 01 - 31, untuk bulan 01 - 12, dan tahun sampai dengan 2025. Desain unduh data dapat dilihat pada gambar 3.9.
Gambar 3.9 Desain Unduh Data
Setelah rentang data tanggal, bulan, tahun dimasukan, kemudian tombol unduh di klik maka rekap data absensi karyawan dengan rentang waktu tersebut akan terunduh. Contoh rekap data absensi karyawan dalam format microsoft excel (xlsx) dapat dilihat pada gambar 3.10.
Gambar 3.10 Rekap Data Karyawan Dalam Format File xlsx
C. Lihat Data
Seluruh data absensi karyawan dapat dilihat disini. Kolom gaji pada tabel lihat data ini berasal dari perhitungan gaji CV. Karya Mitra Utama dengan perhitungan sebagai berikut: Gaji Perjam (GPJ) :
(Jam Keluar - Jam Masuk) × Nominal Gaji Per Jam Terlambat Perjam (TPJ) : (Jam Masuk Karyawan - Jam Masuk) × Nominal Terlambat Per Jam Lembur Perjam (LPJ) : (Jam Pulang Karyawan - Jam Pulang) × Nominal Lembur Per Jam Gaji Perhari : GPJ + LPJ + TPJ
Sedangkan untuk desain lihat data dapat dilihat pada gambar 3.11.
Gambar 3.11 Desain Lihat Data Absen Karyawan
Dapat dilihat pada gambar 3.11 data yang diperlihatkan
10 data, show digunakan unutk melihat jumlah data per-page, search digunakan untuk mencari data, Showing 1 to 10 of 30 entries berarti memperlihatkan data dari nomor 1 hingga 10 dari 30 data yang ada dan previous 1 2 3 next merupakan navigasi page ke-berapa yang sedang dilihat.
D. Fitur Latih
Pada fitur latih terdapat frame untuk mengambil citra wajah, dimana ID karyawan, nama karyawan, dan citra wajahnya disimpan ke dalam database, tanpa adanya proses latih karyawan tidak bisa melaksanakan absensi. Selengkapnya dapat dilihat pada gambar 3.12.
Gambar 3.12 Flowchart Latih
Keluaran yang dihasilkan adalah kondisi data karyawan berupa jika data karyawan belum ada maka, data karyawan akan ditambahkan dan jika data karyawan sudah ada maka citra latih akan ditambahkan ke data karyawan tersebut. Desain fitur latih dapat dilihat pada gambar 3.13.
Gambar 3.13 Desain Fitur Latih
Selain kondisi data karyawan, keluaran dapat juga berupa error message atau pesan kesalahan berupa tidak ada koneksi internet, wajah tidak ditemukan dan terlalu banyak wajah.
3.5 Rancangan Database
Pada database aplikasi terdapat tiga buat tabel yaitu tabel absensi, tabel karyawan, tabel pengaturan yang berfungi untuk menyimpan data. Gambaran lengkapnya dapat dilihat pada Entity Relationship Diagram (ERD) gambar 3.14.
Gambar 3.14 Entity Relationship Diagram
Tabel pertama adalah t_absensi berfungsi untuk menyimpan data karyawan yang absen (absensi), tabel kedua adalah t_karyawan yang berfungisi untuk menyimpan data karyawan dan yang terakhir t_pengaturan berfungsi untuk menyimpan data pengaturan absensi.
3.6 Perangkat Keras
Perangkat keras yang digunakan untuk pengujian aplikasi adalah laptop toshiba satelite L645 sebagai PC (Personal Computer), dan tiga Perangkat keras yang digunakan untuk pengujian aplikasi adalah laptop toshiba satelite L645 sebagai PC (Personal Computer), dan tiga
2.0 USB camera (webcam laptop), logitech c270. Personal Computer (PC) atau komputer personal adalah laptop yang akan digunakan untuk membuat aplikasi, pemrosesan pendeteksian wajah serta pengolahan data. spesifikasi dari laptop yang akan digunakan adalah sebagai berikut:
1. Jenis Laptop
: Toshiba Satelite L645
2. Sistem Operasi : Windows 7 64 Bit
3. Prosesor
: Intel Core i3 m 350
4. Memori
: 2GB DDR2
5. LCD
: 13.3 inchi (Resolusi 1366 x 768)
Sedangkan kamera digunakan untuk mengambil citra wajah, yang mana pada uji coba aplikasi akan menggunakan tiga buah kamera. sedangkan untuk absensi menggunakan chicony 2.0 USB camera (webcam laptop). Spesifikasi masing-masing adalah sebagai berikut:
Tabel 3.1. Spesifikasi Masing-masing Kamera
3.0 MP Resolusi
Foto (min)
30 fps frame (maks)
30 fps
30 fps
Plastik Sensor
3.7 Perangkat Lunak
Perangkat lunak yang akan digunakan dalam membuat aplikasi adalah bahasa pemograman PHP, database management system (DBMS) MySQL dan pustaka perangkat lunak kairos.
3.8 Pengujian Aplikasi
Pengujian aplikasi dilakukan dengan berbagai percobaan untuk membuktikan sistem ini bekerja sesuai dengan tujuan perancangan dan juga sesuai dengan yang diharapkan.
Pengujian aplikasi yang dilaksanakan berupa pengujian fitur pendektesian dan pengenalan wajah, pengujian ini dilasanakan Pengujian aplikasi yang dilaksanakan berupa pengujian fitur pendektesian dan pengenalan wajah, pengujian ini dilasanakan
1. Citra wajah dan citra bukan wajah.
2. Citra wajah terdaftar dan tidak terdaftar.
3. Citra wajah identik sama.
4. Citra wajah menggunakan aksesoris.
5. Pengenalan multi citra wajah. Sedangkan untuk ketentuan pengujian adalah sebagai berikut:
1. Wajah menghadap kamera dengan jarak ± 45 cm, dengan kemiringan maksimal 15 derajat kekiri dan kekanan.
2. Pencahayaan saat penyimpanan dan pengenalan wajah dalam kondisi cukup, tidak kurang dan juga tidak berlebih.
3. Hasil yang dicatat berupa hasil pengujian (terdeteksi atau tidak) dan kecepatan pendeteksian, khusus untuk pengujian aplikasi
waktu serta tanggal juga dicatat.
4. Citra latih yang digunakan sebanyak 6 citra untuk setiap orang. Penggunaan 6 citra latih didasari oleh kemampuan pengenalan
wajah kairos akan bekerja maksimal jika menggunakan 6 – 8 citra latih dan minimal menggunakan 1 citra latih [11] .
5. Bandwith internet yang digunakan dalam pengujian sebesar 30Mbps
3.9 Implementasi Aplikasi
Selain pengujian fitur pengenalan dan pendeteksian wajah. Implementasi aplikasi absensi berbasis pengenalan wajah akan dilaksanakan setelahnya, dimana lima karyawan akan melaksanakan absensi menggunakan aplikasi absensi berbasis pengenalan wajah selama satu minggu kerja(6 hari).
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Setelah mengumpulkan referensi baik dari buku, maupun sumber- sumber informasi yang berhubungan dengan sistem absensi pengenalan wajah (perangkat keras maupun perangkat lunak) yang akan dibuat. Kemudian dibuat aplikasi deteksi dan pengenalan wajah yang digunakan untuk menguji uji akurasi aplikasi. Ketentuan pengumpulan pengujian akurasi aplikasi adalah sebagai berikut:
1. Citra wajah dan bukan wajah Pengumpulan data untuk pengujian citra wajah dan citra bukan wajah menggunakan tiga buah citra wajah dan
menggunakan tiga buah citra bukan wajah, kesemua citra tidak melalui proses latih.
2. Citra wajah terdaftar dan tidak terdaftar Pengumpulan data untuk pengujian citra wajah terdaftar dan
tidak terdaftar menggunakan tiga buah citra wajah yang telah melalui proses latih dan tiga buah citra wajah yang tidak melalui proses latih.
3. Citra wajah identik sama. Pengumpulan data untuk pengujian citra wajah identik sama menggunakan dua buah citra wajah yang telah melalui proses latih
dan dua buah citra wajah yang tidak melalui proses latih.