Anda di halaman 1dari 2

Wajah merupakan bagian dari manusia yang bisa digunakan

sebagai identitas diri, karena pada umumnya karakter wajah dari tiap
individu itu berbeda. Untuk pengenalan wajah ada bebrapa yang
diapakai yaitu mengukur dari jarak masing-masing titik pada wajah
seperti hidung, mata dan mulut. Selain itu ada metode pengenalan
dengan mengenali tekstur dari wajah atau yang biasa disebut metode
local binary pattern. Metode yang paling sederhana untuk
pengenalan ini adalah metode PCA (Pattern Component Analysis).
Metode ini menggunakan teknik reduksi dimensi matriks yang
diperoleh dari matriks wajah yang berdimensi tinggi. Dengan
meredeuksi nilai piksel ini perhitungan untuk menentukan nilai
suatu wajah akan lebih mudah dan lebih ringan.
Fokus pada tugas akhir ini adalah sistem multi absensi
menggunakan pengenalan wajah. Metode yang digunakan dalam
tugas akhir ini adalah metode PCA dengan pertimbangan proses
perhitungan tidak membebani client. Pada sistem ini proses
pengenalan tidak dibebankan lansung kepada komputer client yang
berupa raspberry pi. Karena dengan spesifikasi yang dimiliki proses
pengenalan wajah akan berat jika diproses pada komputer client.
Oleh sebab itu diguanakan jaringan terdistribusi untuk meringankan
beban perhitungan komputer client. Semua beban perhitungan
dilakukan oleh server, sedangkan komputer client hanya berfunsi
untuk menangkap citra wajah.
Hasil penilitian menunjukkan presentase keberhasilan
sistem dalam mengenalai wajah sebesar 86,43%. Pengukuran
dilakukan pada kondisi cahaya dibuat sama pada saat pengambilan
database.
Is part of a human face which can be used as an identity,
because in general the character of the face of each individual is
different. For face recognition there are several methods used, which
measures the distance of each point on the face such as the nose,
eyes and mouth. In addition there is an introduction to the method of
recognizing a face or the texture of the so-called local binary pattern
method. The simplest method for this is the introduction of the PCA
method (Pattern Component Analysis). This method uses the
technique of dimension reduction matrix obtained from the matrix
of high-dimensional face. By reducing the pixel value calculation to
determine the value of a face will be easier and lighter.
The focus in this thesis is a multi attendance system using face
recognition. The method used in this thesis is the PCA method with
consideration of the calculation process does not burden the client.
In this system the process of recognition is not charged directly to
the client computer in the form of a raspberry pi. Due to the
specifications owned face recognition process will be heavy if
processed on the client computer. Therefore a distributed network
primarily used to relieve the burden on the client computer
calculations. All load calculations are done by the server, while the
client computer only serves to capture the facial image.
The results show the percentage of the system's success in
recognizing faces at 86.43%. Measurements were taken at the same
light conditions created at the time of taking the test object database
and as many as 14 people to as many as 10 people saved object.
Long average time required to recognize the face of 177.65 ms