BAB I

PENDAHULUAN

A. Latar Belakang

Perkembangan teknologi saat ini mengalami kemajuan yang sangat pesat

ditandai dengan bertambah canggih dan kompleksnya penggunaan teknologi pada

kehidupan sehari-hari seiring dengan hal tersebut manusia sebagai pemakai

teknologi terus menerus memperbaiki dan mempengaruhi aktivitas manusia itu

sendiri, agar setiap tindakan maupun kegiatan dapat berjalan dengan efektif dan

efisien secara kontinyu dengan kemajuan teknologi sekarang ini.

Perkembangan ilmu dan teknologi tersebut merambah kepada manajemen,

Universitas termasuk salah satunya adalah pengolahan absensi mahasiswa.

Absensi merupakan salah satu bentuk pengawasan atau kontrol terhadap

mahasiswa yang dilakukan didunia pendidikan. Kegiatan absensi yang berjalan

selama ini masih menggunakan sistem manual, dengan cara mencatat kehadiran

siswa dibuku atau kertas absensi. Akibatnya kemungkinan terjadinya kesalahan

ataupun hambatan dalam membuat reputasi absensi menjadi besar. Kesalahan atau

hambatan yang sering muncul antara lain hilangnya kertas atau daftar absensi.

Salah satu cara untuk mengurangi kesalahan yang terjadi adalah dengan membuat

sebuah sistem yang dapat digunakan dimana saja dengan menggunakan database

yang menyimpan data absensi sehingga kemungkinan data tercecer akan kecil.

Universitas merupakan salah satu tempat dimana berkumpulnya manusia

dalam hal ini baik remaja,dewasa maupun orang tua dengan data-data yang

1
berbeda-beda. Maka dari itu salah satu unsur yang paling penting dari perkuliahan

adalah absensi yang berfungsi untuk mamastikan ada atau tidaknya orang tersebut

dalam kegiatan kampus termasuk didalamnya kegiatan pembelajaran. Dari satu

kampus ada ratusan bahkan lebih mahasiswa yang pasti masing-masing

mempunyai data diri yang bebeda-beda. Tidak jarang data mahasiswa yang dicatat

Dan disimpan secara manual sehingga memakan waktu dalam pengerjaannya.

Belum lagi kemungkinan data manual tersebut terhitung atau rusak. Dengan

menggunakan komputer, waktu pengerjaannya dapat menghemat dan

penyimpanan data lebih aman dibandingkann dengan penyimpanan data dalam

bentuk kertas dilemari arsip serta dapat mengurangi faktor kesalahan manusia

(human error), oleh karena itu dirasakan perlu penggunaan komputer dengan

pelacakan dan pengenalan wajah, alat bantu untuk pengolahan absensi mahasiswa

dengan menggunakan aplikasi yang dirancang sedemikian rupa sesuai dengan

kebutuhan kampus yang bersangkutan.

Kegiatan absensi mahasiswa disebuah perkuliahan pada umumnya

dilakukan setiap hari dengan tujuan untukn mengetahui apakah mahasiswa

tersebut sakit,ijin,alpa, atau terlambat untuk setiap kelas yang nantinya data ini

akam masuk ke data absensi mahasiswa, data mahasiswa itu diantaranya

NIS,Nama,Prodi. Dari data absensi mahasiswa, universitas dapat menilai rekap

data absensi yang sudah ada sebelumnya tidak bisa memenuhi kebutuhan

pengguna pada saat melakukan pengisian absensi mahasiwa karena petugas masih

menggunakan daftar hadir secara manual. Salah satu lembaga pendidikan dasar

yang mempunyai akreditasi B dan prestasi yang baik. Dalam melakukan

2
penelitian di Universitas negeri makassar, penulis banyak menemukan

permasalahan dan salah satunya yaitu terutama pada bagian administrasi

kemahasiswaan yang pada initinya belum adanya sistem informasi dalam

pengelolaan absensi mahasiswa, sehingga sering terjadi kesalahan dan lambatnya

proses pengolahan data mahasiswa dikarenakan semua masi dikerjakan dalam

bentuk manual. Selain itu banyaknya data yang harus diolah menyebabkan

kurangnya waktu tanggap sistem operasional yang dilakukan. Oleh karena itu

diperlukan suatu sistem informasi yang mampu mendukung pengolahan absensi

mahasiswa tersebut yang dibutuhkan dengan aplikasi pencarian dan pengenalan

wajah dengan menggunakan webcam komputer.

Pelacakan dan pengenalan wajah manusia merupakan salah satu bidang

penelitian yang penting, dan dewasa ini banyak aplikasi yang dapat

menerapkannya, baik dibidang komesial maupun bidang penegak hukum. Teknik

pengenalan wajah pada saat ini telah mengalami kemajuan yang sangat berarti.

Melalui pengembangan salah satu teknik pengenalan wajah menggunakan gabor

wavelet (Gabor Filter) komputer dapat melakukan tugas pengenalan wajah,

terutama tugas-tugas yang membutuhkan pencarian pada database wajah yang

besar.Pada tugas akhir ini pengenalan wajah akan diimplementasikan sebagai

aplikasi kuliah berbasis identifikasi wajah. Dengan dibuatnya aplikasi ini

diharapkan sistem absensi perkuliahan menjadi efisien, efektif dan terhindar dari

kecurangan dalam pencatatan absensi. Metode pengenalan wajah yang digunakan

pada proyek akhir ini adalah metode gabor wavelet tujuannya untuk

3
memunculkan ciri-cici khusus dari citra wajah yang telah dikonvolusi terhadap

kernel.

Oleh sebab itu sesuai dengan uraian permasalahan tersebut maka penulis

mencoba mengambil topik penelitian dengan judul “ Sistem Absensi Mahasiswa

Menggunakan Webcam Dengan Metode Gabor Wavelet”

A.Batasan Masalah

Batasan masalah pada peneltian ini adalah :

1. Bahasa yang digunakan menggunakan adalah bahasa C#

2. Untuk mendapatkan input citra wajah, peralatan yang digunakan adalah

webcam

B. Rumusan Masalah

Dari latar belakang yang telah diuraikan, permasalahan yang harus

dipecahkan dalam penelitian adalah :

1. Bagaimana proses ekstraksi fitur digunakan pada pengenalan wajah ?

2. Bagaimana cara mengenali dan mencocokan gambar wajah terhadap data

yang telah disimpan di database?

3. Bagaimana cara merancang aplikasi sistem pengenalan wajah dengan

akurasi yang tinggi?

4
C. Tujuan Rancang bangun

Tujuan yag akan dicapai dalam penelitian ini adalah memberikan

penyelesaian untuk permasalahan pengenalan wajah yang hasilnya diharapkan

dapat :

1. Melakukan proses ekstraksi fitur digunakan pada pengenalan wajah

2. Mengenali dan mencocokkan gambar wajah wajah terhadap data yang telah

disimpan di database

3. Merancang aplikasi sistem pengenalan wajah dengan akurasi yang tinggi.

D. Manfaat Produk

Manfaat yang diharapkan dari perancangan ini adalah :

1. Untuk mengatasi kelemahan absensi dengan menggunakan fingerprint

system yang tidak dapat digunakan oleh manusia yang memiliki

keterbatasan fisik. Sehingga sistem absensi dapat digunakan oleh semua

manusia
2. Mencegah penyalahgunaan sistem absensi yang sudah ada misalnya dengan

tanda tangan dan tapping kartu identitas yang mudah dipalsukan dan

digunakan oleh orang lain yang tidak bertanggung jawab.

BAB II

5
 LAN`DASAN TEORI

A. Kajian Teori

1. Sistem pengenalan wajah

Sistem pengenalan wajah merupakan bentuk pengenalan komputasi, dalam

mengenali pola ciri bentuk wajah berdasarkan pengambilan citra digital. Sistem

mampu mengenali secara otomatis pola wajah sebagai basis pengenalannya.

Pengambilan wajah dapat dilakukan dengan akuisi citra atau video digital dari

sensor kamera.
Dua pendekatan identifikasi dan verifikasi dalam pengenalan wajah.

Pendekatan identifikasi bertujuan untuk mencari jawaban identitas wajah siapa

orang tersebut. Sedangkan pendekatan verifikasi, bertujuan memastikan apakah

benar wajah orang yang dimaksud, bukan orang lain. Selain itu pengenalan

identifikasi personal wajah seseorang dilakukan dengan cara membandingkan

citra wajah dengan basisdata citra wajah yang sudah ada sebelumnya dan telah

didaftarkan. Identifikasi berfokus pada pencocokan satu citra ke banyak citra

dalam basisdata sedangkan pengenalan verifikasi berfokus pada pencocokan satu

ke satu pada citra wajah (1:1)

Tujuan utama dari ekstraksi fitur digunakan untuk mengambil ciri penting

dari suatu objek. Hasil ekstraksi objek ini dapat dimanfaatkan pada sistem

biometrika yaang digunakan untuk idenfikasi personal pada pengguna mesin

absensi akses kontrol dan lain-lain. Beberapa masalah timbul dalam proses

ekstraksi yang biasa disebut robust. Perubahan posisi atau sudut kemiringan citra,

perubahan intensitas cahaya yang terjadi pada saat pengambilan citra wajah serta

6
perubahan detail seperti adanya janggut, kumis, pemakaian aksesoris,perubahan

gaya, perubahan expresi wajah menjadi tertawa,, tersenyum, muram, menangis,

dan lain sebagainya mengakibatkan citra dapat direpresentasikan berbeda oleh

sistem . dalalm rangka ekstraksi fitur untuk pengenalan wajah sebagai tujuan

dalam penelitian ini metode principal Componen Analysis (PCA) diusulkan.

Proses ekstraksi dilakukan dengan cara pengambilan ciri dari citra wajah dengan

mereduksi dimensi ciri dari suatu obyek, sehingga ukuran dari obyek akan lebih

ringkas dan mampu mengambil karakteristik yang penting saja dari objek yang

diolah.

2. Wavelet

Wavelet adalah sebuah fungsi yang dapat digunakan untuk

mempresentasikan data atau fungsi lain sebagai alat analisa baru di bidang

matematika. Wavelet merupakan sebuah fungsi yang dapat memuaskan kebutuhan

matematika dan dapat digunakan untuk mempersentasikan data atau fungsi lain.

Ide ini bukanlah sesuatu yang baru, sebab sebelumnya fungsi-fungsi lain telah

dapat dinyatakan sebagai super posisi fungsi sinus dan cosinus, dalam analisis

wavelet, skala yang digunakan untuk (Alihragam) fourier. Akan tetapi, dalam

analisis wavelet, skala yang digunakan untuk melihat dan memainkan peranan

yang sangat khusus. Wavelet mengolah data pada perbedaan penyekalan (scalling)

dan pergeseran (shifing). Sebagai ilustrasi, jika data (signal) dilihat melalui

“jendela” yang besar maka akan diperoleh ciri-ciri signal yang banyak/besar,

demikian pula, bila signal dilihat dengan “jendela” yang kecil, maka akan

diperoleh ciri-ciri signal yang sedikit/kecil. Sering dikatakan, bahwa hasil yang

7
diperoleh melalui analisis wavelet sama seperti melihat “hutan” dan “tumbuh-

tumbuhan”.Pengguna wavelet saat ini sudah sangat banyak sekali di berbagai

bidang. Misalnya saja dalam pemrosesan di berbagai bidang. Misalnya saja dalam

pemrosesan sinyal, gambar compressing, pattern recognition, communication

systems dan control systems. Bidang-bidang yang berkaitan deegan penggunaan

gabor wavelet pada umunya berkaitan deegan pemrosesan sinyal. Wavelet dapat

menjadi sebuah fungsi matematik yang memotong-motong data menjadi

kumpulan-kumpulan frekuensi yang berbeda, jadi setiap potong itu bisa diolah

dalam skala yang berbeda-beda.

Pada pembahasan selanjutnya akan dibahas lebih lajut mengenai Wavelet

dan lebih spesifik lagi akan dijelaskan mengenai gabor wavelet. Gabor wavelet

merupakan metode yang penulis gunakan dalam penelitian ini.

Gambar 2.1 Wavelet (Budi Dharma,2014)

3. Gabor wavelet

Secara umum gabor filter merupakan fungsi sinus yang dikalikan oleh

Gaussia. Pada proses pengenalan wajah ini, penulis menggunakan gambar 2

dimensi sehingga proses pengenalan wajah ini menggunakan gabor filter 2

dimensi pula. Sehingga definisi gabor wavelet adalah fungsi sinus 2 dimensi yang

dikalikan dengan gaussian 2 dimensi.

8
 Gabor wavelet dalam proses pengenalan wajah ini digunakan sebagai

feature extraction dari gambar yang akan diproses. Gambar yang diproses akan

dikenali berdasarkan karakter yang dibangun dari hasil pemrosesan gambar

tersebut dengan gabor. Pengenalan karakter inilah yang saat ini sedang banyak

dikembangkan sehingga proses pengenalan gambar wajah ini menjadi efektif dan

efisien dari sisi pengguna sumber daya pada komputer.

4. Filter Gabor

Metode pengenalan obyek dapat didefinisikan sebagai proses penentu

identifikasi obyek berdasarkan database citra yang ada. Pada tugas akhir ini

digunakan pendekatan algoritma Gabor Wavelet, tujuan digunakannya gabor

wavelet adalah untuk memunculkan ciri-ciri khusus dari citra yang telah

dikonvolusi terhadap kernel sebagai filter digunakan gelombang sinus 2D pada

frekuensi dan orientasi tertentu dengan gaussian encelope.

5. Ekstraksi Data

Pada bagian ini akan dijelaskan gambaran umum dari sistem yang akan

dikembangkan, yaitu:
1. Sistem yang akan dibangun adalah sistem yang mampu melakukan ekstraksi

citra wajah.
2. Sistem harus dapat memfasilitasi pengguna untuk memberikan masukan

citra wajah dalam format file dengan ekstensi bmp,jpg, maupun gif.
3. Sistem harus dapat melakukan ekstraksi ciri dari semua citra wajah yang ada

dalam basis data citra wajah.

4. Sistem harus mampu menampilkan ekstraksi citra wajah dengan kemiripan

yang tinggi terhadap citra wajah masukan.

9
6. Pengolahan Citra

Image merupakan informasi yang secara umum tersimpan dalam bentuk

pemetaan bit-bit atau sering dikenal dengan bitmap. Setiap bit-bit membentuk satu

titik yang dikenal dengan pixel. Atau dengan kata lain, satu pixel merupakan satu

image yang terdiri dari satu atau beberapa bit informasi. Satuan dari pixel

biasanya dengan posisi y dan nilai dari pixel (warna atau gray). Dalam satu

bidang gambar, sepenuhnya terdiri dari pixel-pixel, karena itu, file yang

menyimpan image biasanya dengan nama BMP. Untuk mengurangi ukuran dari

file, bisanya file image dimampatkan dengan menggunakan teknik tertentu,

misalkan yang terkenal JPEG atau GIF.

7. Pixel

Citra dinyatakan dalam bentuk fata matrik 2 dimensi, dimana setiap titik data

mewakili satu pixel, dalam hubungannya dengan data video, maka satu gambar

(image) dikenal sebagai satu frame. Misalnya sebuah gambar dikatakan

resolusinya sebesar 800 x 600 maka berarti panjang pixel horisontalnya 800 dan

panjang pixel vertikal 600 dan jumlah total keseluruhan pixel dari gambar tersebut

terdiri dari 480000 pixel.

8. Resolusi citra

Seperti pembahasan sebelumnya setiap posisi dalam citra dapat berisi pixel.

Ini berarti bahwa tidak ada suatu yang mampi menunjukkan bayangan samar dari

objek. Pixel oleh “0” sedangkan diatasnya diwakili oleh “1”, dengan demikian

semua citra didalam memori komputer dapat diwakili oleh logika “1” dan “0”.

9. Pemodelan citra

10
 Citra disini merupakan matrik dua dimensi dari fungsi intensitas cahaya.

Karena itu, referensi citra menggunakan dua variabel yang menunjukkan posisi

pada bidang dengan sebuah fungsi internsitas cahaya yang dapa dituliskan sebagai

f(x,y) dimana f adalah nilai amplitudo pada koordinat spasial (x,y). Karena cahaya

merupakan salah satu bentuk energi. (Sumber : Ir. Sigit Wasista, M.Kom)

10. Pendeteksi wajah dengan metode viola-jones

Paul Viola dan Michael jones (Tahun 2001) Proses pendeteksian adanya

citra wajah dalam gambar dengan detektor wajah OpenCV, menggunakan sebuah

metode yang dipublikasikan oleh paul viola dan michael jones tahun 2001.

Umumnya disebut metode viola-jones. Pendekatan untuk mendeteksi objek dalam

gambar menggabungkan empat konsep utama

Gambar 2.2 Contoh gambar fitur pada openCV

- Fitur segi empat sederhana yang disebut FiturHaar

- Integral image untuk pendeteksian fitur secara cepat.
- Metoda machine leaming ada Boost.

- Klasifier bertingkat untuk menghubungkan banyak fitur secara efisien.

Fitur yang digunakan oleh viola dan jones didasarkan pada wavelethaar,

wavelet haar adalah gelombang tunggal bujur sangkar (satu interval tinggi dan

satu interval rendah). Untuk dua dimensi, satu terang dan satu gelap. Kombinasi-

kombinasi yang digunakan untuk pendeteksian objek visual tidak terlalu

11
menyerupai wavelet haar yang sebenarnya. Walaupun demikian, kombinasi segi

empat itu cocok untuk tugas-tugas pengenalan visual yang lebih baik. Oleh karena

itu fitur ini disebut fiturhaar, atau haarlike, bukan wavelet haar.gambar 2.2

menunjukkan fitur yang digunakan dalam OpenCV.

11. Proses registrasi dan identifikasi

Pembatasan akses terhadap suatu ares tertentu menjadi hal utama pada

sebuah instansi atau perusahaan. Pembatasan ini bertujuan untuk menjada

dokumen-dokumen rahasia atau barang-barang yang dianggap sangat berharga

agar tidak dicuri. Contoh area dibatasi seperti ruang server dan ruang brankas.
Salah satu metode yang dapat digunakan sebagai pembatas akses adlalah

dengan mengidentifikasi orang yang akan mengidentifikasi orang yang akan

mengakses area tersebut. Proses identifikasi dilakukan dengan mengenali bagian

tubuh yang unik seperti sidik jari, iris mata, geometri jari atau wajah.
Wajah merupakan bagian anggota tubuh manusia. Wajah memiliki

keunikan sehingga setiap wajah memiliki ciri atau karakteristik yang berbeda.

Oleh karena itu, wajah dapat digunakan sebagai pembeda antara wajah satu

dengan wajah yang lainnya.

Selain wajah, sidik jari, iris mata, bentuk geometri telapak tangan juga bisa

dijadikan pembeda. Secara umum, sistem pendeteksian wajah dibagi menjadi 2

proses yaitu proses registrasi dan identifikasi. Gambar 2.3. menunjukkan kedua

proses tersebut.

12
 Gambar 2.3. Proses Registrasi dan Identifikasi

Pada tahapan registrasi,citra wajah ditangkap (capture) oleh sebuah alat

perekam (webcam) kemudian pada citra tersebut akan dilakukan image

preprocessing. Image preprocessing adalah pengolahan awal suatu citra.Pada

proses ini citra wajah akan dibersihkan dari gangguan seperti gambar buram,

bintik-bintik, kurang cahaya (noise). Proses berikutnya akan dilakukan lokasi

citra. Tujuannya adalah mengetahui lokasi citra wajah. Tahapan berikutnya adalah

melakukan ekstrasksi ciri dari citra wajah yang kemudian disimpan kedalam

database. Pada tahapan identifikasi, proses yang dilakukan hampir sama dengan

proses registrasi . bedanya adalah pada tahapan ini dilakukan pengukuran

kemiripan antara data citra masukan dengan data citra yang sudah ada didalam

database.
Hal yang cukup sulit dari sistem pendeteksian dan pengenalan wajah

adalah bagaimana membuat sistem dan pengenalan wajah yang cepat (mendekati

waktu nyata) dan memiliki tingkat akurasi yang tinggi. Untuk mencapai hal

13
tersebut maka perlu dibuat sistem pengenalan wajah yang cepat dan tingkat

akurasi yang tinggi sehingga wajah dapat dikenali dengan cepat dan tepat.
12. Algoritma Eigenface
Eigenface adalah salah satu algoritma wajah yangg berdasarkan pada

principle Componen Analsys (PCA) yang dikembangkan di MIT. Algoritma

Eigenface secara keseluruhan cukup sederhana. Training image direpresentasikan

dalam sebuah vektor flat (gabungan, vektor) dan digabung bersama-sama menjadi

sebuah matriks tunggal.

13. Face Recognition

Pengenalan wajah adalah salah satu ilmu yang terdapat di dalam computer

vision, dimana sebuah komputer dapat menganalisa suatu citra wajah yang

terdapat didalam sebuah gambar dan dapat menemukan identitas atau data diri

dari citra wajah tersebut dengan membandingkan terhadap data-data citra wajah

yang sudah disimpan sebelumnya di dalam database. Pada umumya face

recognition dilakukan dari sisi depan dengan pencahayaan yang merata ke seluruh

wajah. Akan tetapi muncul beberapa permasalahan, seperti posisi wajah, skala

atau jarak wajah, orientasi, umur, dan ekspresi wajah. (sumber Felix Hantoro Tan)

B. Kajian penelitian yang relevan

Rancang bangun yang dibuat ini relevan dengan tugas akhir yang dibuat

oleh Maulina Sari dengan judul “ Penerapan Algoritma Eigenface pada sistem

14
Absensi Karyawan Berbasis Webcam” tahun 2010. Permasalahan yang dibahas

dalam tugas akhir ini adalah bagaimana mengontrol absensi dengan menggunakan

citra wajah karyawan melalui hasil bidikan webcam sebagai pembanding untuk

mencegah manipulasi absen oleh pegawai. Solusi yang diberikan adalah

menerapkan sistem Algoritma EigenFace pada sistem absensi, sehingga dapat

mengurangi kemungkinan dilakukannya manipulasi absen. Dalam penelitian ini

dibuat rancang bangun sistem absensi mahasiswa dengan tujuan agar dapat

memberi kelebihan dan kemudahan dari sistem absensi yang dilakukan oleh setiap

mahasiswa selama ini.

C. Kerangka Pikir

Wajah merupakan ciri khas setiap manusia sehingga dapat digunakan

sebagai biometrik untuk proses absensi, salah satu teknik yang digunakan untuk

melakukan ekstraksi fitur yaitu Principal Component Analyst. Hasilnya,

diharapkan proses absensi dapat dilakukan secara real time menggunakan media

webcam sebagai alat untuk mengambil gambar wajah. Gambar wajah akan

diproses lagi dengan teknik deteksi wajah dan pengenalan wajah sehingga ketika

wajah tersebut akan dikenali oleh sistem abensi.

D. Kebutuhan Hardware dan Software

Adapun beberapa peralatan dan aplikasi yang digunakan dalam pembuatan
Aplikasi sistem absensi mahasiswa ini adalah sebagai berikut:
1. Hardware
a. Webcam Komputer merupakan Hardware yang digunakan dalam sistem

Absensi mahasiswa secara keseluruhan untuk pengambilan citra gambar

2. Software
a. OpenCV (Open Source Computer Vision Library)

15
 OpenCV adalah library yang didalamnya terdapar berbagai fungdsi yang

dpergunakan dalam computer vision. Open CV ditulis dengan bahasa C dan C++

dan dapar berjalan di linux, Windows dan MacOs. Open CV telah lama

dipergunakan para peneliti dan pengembangan dalam berbagai bidang computer

visiom, seperti inpeksi produk, medical imaging, camera calibration, security,

user interface, stereo vision dan robotika.

b. EmguCV

EmguCV adalah Wrapper bagi opencv library untuk C#. OpenCV ditujukan

bagi pengembang bahasa C++. Bahasa mudahnya adalah, karena opencv

ditujukan bagi bahasa C++, maka beberapa pengembang, mengembangkan

EmguCV sebagai penerjemah, sehingga para pengembang C#pun dapat

mempergunakan OpenCV Library.

E. Pertanyaan Perancangan

Berdasarkan kajian teori diatas mengenai program sistem e-voting yang akan

dirancang, mucul pertanyaan penelitian yaitu bagaimana Prinsip kerja Aplikasi

Sistem Absesnsi Mahasiswa yang akan dirancang ? dan bagaimana merancang

sebuah program aplikasi sistem absensi yang dapat memudahkan proses absensi

mahasiswa itu sendiri ?

16
 BAB III
METODE PENELITIAN

A. Desain Penelitian
Pada penelitian ini digunakan jenis penelitian perancangan dengan metode

pengamatan langsung. Sistem absensi ini dibuat berbasiskan webcam. Melalui

sistem absensi ini diharapkan dapat memudahkan para mahasiswa dalam

melakukan absensi dari kamera komputer yang sudah tersedia. Sistem ini

17
menggunakan OpenCV yang ditujukan untuk pengolahan citra dinamis secara

real-time.
Secara garis besar sistem pengenalan wajah pada penelitian ini,

ditunjukkan pada gambar gambar 3.3. Sebelum proses pengenalan wajah

diperlukan beberapa proses awal, diantaanya : acquisition, pre-processing dan

ekstraksi fitur.

Sistem presensi berbasis pengenalan wajah ini terdiri dari beberapa komponen

yang dapat digambarkan dengan suatu model seperti pada Gambar 3.1

Komponen
Image Antar Muka Sub-Sistem
Capturing Pengguna Pengenalan
Wajah
Web Cam

Komponen
File Wajah Basis Data

Gambar 3.1. Hubungan Antar Sub Sistem Pada Sistem Presensi

Mahasiswa Berbasis Pengenalan Wajah (Hanif Al fatta,2006)
Keterangan dari Gambar 3.1:

Komponen Webcam. Piranti masukan yang digunakan dalam sistem presensi ini

adalah webcam. Webcam digunakan untuk 2 kegunaan :

1. Digunakan untuk melengkapi data karyawan dengan foto, dimana foto ini

akan disimpan ke dalam database, yang nantinya akan dicocokkan dengan

citra wajah yang dicapture saat proses presensi dilakukan

2. Digunakan untuk meng-capture citra wajah karyawan pada saat proses

presensi. Dengan menggunakan webcam, citra wajah mahasiswa diambil,

kemudian citra wajah ini disimpan ke dalam file pada harddisk.

18
Komponen Image Capturing. Komponen ini berfungsi untuk melakukan

mekanisme mengambil citra wajah dengan media webcam, baik untuk disimpan

sebagai file citra wajah maupun untuk citra wajah yang digunakan sebagai input

pada saat presensi dilakukan.

Komponen Antarmuka. Komponen ini berfungsi untuk menjembatani

komunikasi antara pengguna dengan sistem presensi wajah. Baik untuk proses

input data mahasiswa, proses presensi dan melihat rekapitulasi presensi perbulan.

File wajah. Citra wajah mahasiswa yang digunakan untuk melengkapi data

karyawan (training faces) disimpan dalam file tersendiri terpisah dari database

data mahasiswa, tetapi file wajah ini bisa direferensi dengan menggunakan nama

file wajah yang ada.

B. Proses Perekaman Wajah

Berikut ini diperlihatkan diagram alur proses perekaman data wajah

Mulai
Interfacing dengan
No webcam
Deteksi Wajah

Area Wajah

Yes
Gambar Wajah

Input
NIM19 :
Nama :
 Simpan
Di database

Selesai
Gambar 3.2 Proses Perekaman Wajah

Adapun penjelasan alur proses perekaman wajah yaitu :

- Mulai
Program akan menstarting kamera yang sudah terkoneksi ke laptop
- Interfacing dengan webcam
Program membuka antar muka dengan user
- Deteksi wajah
Metode yang digunakan dalam penulisan tugas akhir ini adalah untuk

mendeteksi keberadaan wajah dari foto, file gambar maupun hasil capturing

image secara langsung adalah haar cascade crassifier, dimana fungsi

langsung detektor wajah akan memeriksa masing-masing lokasi image guna

mengklasifikasi apakah sebagai areah wajah atau bukan wajah.

- Penginputan Nama dan Nim
Mengingat syarat untuk menjadi seorang mahasiswa adalah diperlukannya

nim dan nama sebagai identitas penting

- Database
Pada aplikasi absensi ini, database sangat berperan penting dimana data-data

yang telah diinput berikutnya akan tersimpan ke database guna untuk sebagai

tempat penyimpanan.

C. Alat Dan Bahan yang digunakan

20
1. Software pendukung yang digunakan dalam pembuatan Sistem Absensi

Mahasiswa sebagai berikut:

IDE Visual Studio Pustaka/Library

a. Open CV

b. Emgu CV

c. Accord dan Aforge.Net Webcam

D. Langkah Kerja

1. Perancangan sistem absensi

Berikut ini dijelaskan proses pengenalan wajah

Mulai

Interfacing
No dengan webcam
Deteksi Wajah

Yes
Area Wajahh

Gambar Wajah
21
Pengenalan Database
Citra ciri Latih
wajah
 No

Ya
Cocok

Cetak:
Gambar 3.3 tgl dan
Proses jam
Pengenalan Wajah
kehadiran
Selesai
a. Pembuatan Aplikasi Absensi Kuliah

1. Pengaktifan Webcam

Tahap awal yang akan dilakukan oleh program adalah mengaktifkan

webcam yang terintegrasi pada komputer, dalam hal ini masih digunakan webcam

internal dari netbook dengan ukuran 640x480 pixel. Ukuran ini dipilih karena

merupakan ukuran standard dalam pengambilan citra supaya nantinya proses

pencarian wajah menjadi lebih cepat karena resolusi yang digunakan tidak terlalu

besar.

2. Pencarian Lokasi Wajah pada Citra

OpenCV ialah open source library computer vision, yang memudahkan

pemrograman deteksi wajah, face tracking, face recognition, kalman filtering dan

berbagai metode artificial intelligent. OpenCV menggunakan sebuah tipe face

detector yang disebut Haar Cascade classifier. Face detector berhasil bekerja

pada sebuah gambar. Jika ada sebuah image (biasa dari file /live video), face

detector menguji tiap lokasi image dan mengklasifikasinya sebagai “wajah” atau

“bukan wajah”.

3. Croping Area Wajah

22
 Setelah ditemukan area yang mengandung wajah pada citra hasil capture

webcam, langkah berikutnya adalah melakukan pemotongan pada area wajah saja.

Hal ini bertujuan untuk menghemat waktu komputasi dalam pemrosesan tahap

berikutnya.Dalam openCV terdapat suatu fungsi cv Set Image ROI yang

digunakan untuk memotong daerah yang diinginkan.Region Of Interest (ROI)

pada openCV adalah sebuah area persegi dalam suatu gambar, untuk membagi

suatu objek berdasarkan segmen yang dikehendaki untuk pemrosesan selanjutnya

4. Resize Area Wajah Hasil Cropping

Setelah didapatkan area wajah lalu disimpan dalam format .JPG langkah

berikutnya adalah mengubah ukuran gambar hasil cropping tersebut menjadi

ukuran yang sama. Pada saat memotong area wajah akan dihasilkan ukuran yang

berbeda karena jarak mahasiswa terhadap kamera tidak selalu tetap. Resize ini

bertujuan untuk mendapatkan ukuran yang sama dengan database citra wajah

sehingga memudahkan proses pengenalan. Gambar yang mengandung wajah ini

akan di-resize ke dalam ukuran 100x100 pixel.

5. Filter Gabor

Metode pengenalan obyek dapat didefinisikan sebagai proses penentuan

identifikasi obyek berdasarkan database citra yang ada. Pada tugas akhir ini

digunakan pendekatan algoritma Gabor Wavelet. Tujuan digunakannya Gabor

Wavelet adalah untuk memunculkan ciri-ciri khusus daricitra yang telah

dikonvolusi terhadap kernel . Sebagai filter digunakan Gabor Wavelet kernel 2D

yang diperoleh dengan memodulasi gelombang sinus 2D pada frekuensi dan

orientasi tertentu dengan Gaussian envelope.

23
6. Penghitungan Nilai Similarity

Pada langkah ini akan dicari nilai kemiripan dari citra video yang akan

dijadikan input program untuk dikenali berdasarkan nilai fitur yang diketahui.

Konvolusi tersebut akan menghasilkan titik-titik dengan nilai tertentu yang

disebut sebagai gabor jet response. Titik-titik gabor jet response dari citra database

dan citra yang akan dikenali dibandingkan dengan menerapkan prosedur graph

matching similarity, yaitu dengan memaksimalkan kemiripan magnitude Gabor

antara graph model wajah citra video dengan citra pada database

E. Ujicoba Produk
Setelah mendesain maka dibutuhkan uji coba, berikut merupakan uji coba

produk dari rancang bangun sistem absensi yaitu dengan menguji apakah bekerja

sesuai yang diharapkan atau tidak,meliputi :

1. Terdapat 3 modul yaitu : ambil wajah, database wajah, dan pengenalan wajah
- Ambil wajah
[Mulai] maka aplikasi akan terkoneksi langsung ke webcam sesuai yang ada

didaftar!
- Database wajah
Modul ini untuk management database yaitu untuk [Hapus] dan ganti nama

[Rename] sesuai dengan file yang terpilih oleh user dengan klik dropdown
- Pengenalan wajah
Modul ini sama seperti modul [1] tapi dengan fitur recognition!

24
 DAFTAR PUSTAKA

Amir Ali. 2009. Perbandingan Algoritma Coding Pada Penempatan Citra Berwarna Hasil
Dekomposisi Wavelet. Teknik Elektronika, Universitas Negeri Makassar.

Agus Kurniawan, Akuwan Saleh, Nana Ramadijanti. 2008. Aplikasi Absensi Kuliah
Berbasis Identifikasi Wajah Menggunakan Metode Gabor Wavelet. Teknik
Telekomunikasi, Politeknik Negeri Surabaya.

Dwiandi Susantyo. 2011. Ekstraksi Fitur Untuk Pengenalan Wajah Pada Ras Mongolid
Menggunakan Principal Component Analyss (PCA). Ilmu Komputer, Universitas
Dian Nuswantoro.

Felix Hantoro Tan, Leonardus Indra Laksamana. Marcos H. Widodo Budiharto. 2004.
Pengembangan Sistem Absensi Berbasis Face Recognition Dengan Metoda LDA.
Universitas Bina Nusantara

Fernando Kristina Tarigan. 2014. Penggunaan Metode Gabor Wavelet Dalam Program
Skecth Objek Citra Digital.Teknik Informatika,STMIK budidarman medan.

Indra. 2012. Sistem Pengenalan Wajah Dengan Metode Eigenface Untuk Absensi Pada PT
florindo lestari.

Ryan Nathanael. 2012. Face Recognation Dengan Menggunakan Eigenface.

Teknik Elektro, Universitas Kristen Petra.

Unang Sunaryas Gelar Budiman. Fonizza Poppy Wijaya. 2013. Implementasi Dan Analisis
Teknik Pengendali Wajah Menggunakan Metode Eigenface Dan line Map
Berbasis Citrar Digital. Teknik Elektro, Universitas Telkom, Bandung.

25
26