4.1-1
Seminar Nasional Teknologi Informasi dan Multimedia 2015 ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Stop
Library openCV
3
5
1
3 5 1 3
Γ1 = [3 4 2] → 4
Webcame
Aplikasi Absensi Dengan Wajah
0 3 4 2
0
3
[4]
MySql Database
3 2 3
0 2 2
Gambar .2 Desain Teknologi
Pada gambar 3 dibawah ini menunjukan use case 2 0 2
diagram
Gambar 5. Training 2
3
2
3
3 2 3 0
Γ1 = [0 2 2] → 2
2 0 2 2
2
0
[2]
4.1-2
Seminar Nasional Teknologi Informasi dan Multimedia 2015 ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
3 2 2
3 0 2
4 3 0
Gambar 6. Training 3
3 (c) Menghitung nilai matriks kovarian
2
L=
2 0 0 0
3 2 2 3 2 −1 −1
Γ1 = [3 0 2] → 0 −1 1 0
4 3 0 2 0 2 −1 1 2 0 −2 1 2 1 −2 1
4 [0 −1 1 −2 0 0 0 −2 0 ] 2 0 −2
3 0 −1 0 1 −2 2 2 1 −2 0 0 2
[0] −2 0 2
1 −2 1
[2 0 −2]
(a) Mengitung Nilai Tengah atau Mean (ψ) 19 −7 −12
L =[ −7 10 −3 ]
1 −12 −3 19
ψ = 3 ∑2n=1 Γn …….(1)
(d) Hitung nilai eigen value (𝝀) dan eigen vector (𝝊) dari
3 3 3 3 matriks kovarian
5 2 2 3 1 0 0 19 −7 −12
1 3 2 2 0 = |𝝀 [0 1 0] − [ −7 10 −3 ]|
3 0 3 2 0 0 1 −12 −3 19
1
ψ=3 4 + 2 + 0 = 2
2 2 2 2
0 2 4 2 𝜆 − 19 7 12
3 0 3 2 0 = |[ 7 𝜆 − 10 3 ]|
([4] [2] [0]) [2] 12 3 𝜆 − 19
(b) Menghitung nilai selisih antara training image (𝚪) Maka nilai 𝝀 adalah
𝜆1 = 1.1641, 𝜆2 = 15.4227, 𝜆3 = 31.4131
dengan nilai mean (ψ)
1 3 3 0 3 3 0
Nilai eigen vector diperoleh dengan cara mensubtitusi
eigen value ke dalam persamaan . Eigen
5 3 2 2 3 −1
vector masing-masing eigen value didapat
1 2 −1 3 2 1
3 2 1 0 2 −2
berdasarkan masing-masing kolom eigen value dan
𝜙1 = 4 − 2 = 2 𝜙2 = 2 − 2 = 0 kemudian dihimpun kembali menjadi satu matriks.
2 2 0 2 2 0 Untuk 𝜆1 = 1.1641, maka :
0 2 −2 2 2 0 𝜆 − 19 7 12 𝜐1 0
3 2 1 0 2 −2 [ 7 𝜆 − 10 3 ] [𝜐2]= [0] 𝜐1 =
[4] [2] [2] [2] [2] [0] 12 3 𝜆 − 19 𝜐3 0
−0.5870
3 3 [ −0.6354 ]
2 3 −0.5018
2 2 Untuk 𝜆2 = 15.4227
3 2 𝜆 − 19 7 12 𝜐1 0
𝜙3 = 0 − 2 [ 7 𝜆 − 10 3 ] [𝜐2]= [0] 𝜐2 =
2 2
12 3 𝜆 − 19 𝜐3 0
4 2 0.3529
3 2 [−0.7586]
[0] [2]
0.5477
0 Untuk 𝜆3 = 31.4131
−1 𝜆 − 19 7 12 𝜐1 0
0 [ 7 𝜆 − 10 3 ] [𝜐2]= [0] 𝜐3 =
1 12 3 𝜆 − 19 𝜐3 0
= −2 −0.7286
2 [ 0.1444 ]
2 0.6695
1
[−2]
4.1-3
Seminar Nasional Teknologi Informasi dan Multimedia 2015 ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
4
3 0 2 𝜀2 = √43.386 = 6.5868
1.8102 −1.1967 −1.0120
4 4 0 𝜀3 = ‖[−1.0474 −2.6435 1.7039 ]
−0.7913 0.7614 3.0120
−1.1044 −0.8475 2.1631
Gambar 7 : Gambar test − [−0.4698 2.2969 −1.8060 ]‖
3 1.8867 0.0758 −0.2436
𝜀3
2
2 (2.9146)2 + (0.3492)2 + (−3.1751)2 + (−0.5776)2 + (−4.9404)2 +
= √ (3.5099)2 + (−2.678)2 + (0.6856)2 + (3.2556)2
3 2 2 3
Γnew = [3 0 2] → 0
𝜀3 = √73.999 = 8.6022
4 3 0 2
4
3 Dari hasil perhitungan nilai ecludian distance gambar
[0] training 1, training 2 dan dan training 3 terhadap
gambar test, maka nilai jarak eigenface yang terkecil
4.1-4
Seminar Nasional Teknologi Informasi dan Multimedia 2015 ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Relasi Basis Data seperti gambar 8 dibawah ini (c) Antarmuka Rekam data Pegawai
Identitas Absen
NIP NIP
Nama Tanggal
Jk Jam
Tgllahir Status
T4lahir JamPulang
Alamat Lembur
telepon user
admin
User
pass
Gambar 8. Relasi Basis Data
Pengujian Aplikasi
(a) . Pengujian Absensi
Tabel 1. Pengujian Absensi
Hasi
Test Factor Keterangan
l
Sukses melakukan
Aplikasi dapat
face recoqnation
menerima inputan
Gambar 9. Antarmuka Rekam Wajah Training dan validasi
wajah
kehadiran
(b). Desain Antarmuka Rekam Wajah Training
Antarmuka
4.1-5
Seminar Nasional Teknologi Informasi dan Multimedia 2015 ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Daftar Pustaka
[1] Sutoyo ,“Pengelolaan Citra Digital”, Andi Offset, Yogyakarta
2009
[2] Al fatta H., Rekayasa Sistem Pengenalan Wajah, Andi Offset,
Yogyakarta, 2009
[3] Riyan Syah Putra “Perancangan Aplikasi Absensi Dengan
Deteksi Wajah Menggunakan Metode Eigenface”, STMIK
Budidarma 2013
(b) Pengujian Validasi Keterlambatan [4] Muhammad Dahria “Pengenalan Pola Wajah Menggunakan
Webcam Untuk Absensi Dengan Metode Wavelet” STMIK
Tabel 2. Pengujian Keterlambatan Triguna Dharma, Me dan 2013
Test Factor Hasil Keterangan
Aplikasi dapat
mengetahui Biodata Penulis
apakah Pegawai Aplikasi sukses
tersebut memberika ErfanHasmin,memperoleh gelar Sarjana Komputer
terlambat, informasi (S.Kom), Jurusan Sistem Infomrasi STMIK
dengan keterlambatan Dipanegara Makassar, lulus tahun 2009. Memperoleh
memberikan kepada Pegawai gelar Magister Teknik (M.T) Program Pasca Sarjana
informasi Magister Teknik Elektro Konsentrasi Informatika
keterlambatan Universitas Hasanuddin Makasssar, lulus tahun
2012.Saat ini menjadi Dosen di STMIK Dipanegara
Antarmuka Makassar
3. Kesimpulan
Face Recognation denganMetode Eignface, dapat
digunakan dalam verfikasi absensi pegawai,
implementasi pada tempat studi kasus yaitu
Kejaksaan Tinggi Sulawesi Selatan menyimpulkan :
4.1-6