Adoc - Tips - Rancang Bangun Aplikasi Absensi Perkuliahan Mahasi PDF
Adoc - Tips - Rancang Bangun Aplikasi Absensi Perkuliahan Mahasi PDF
C. Metode Eigenface terintegrasi dengan sistem informasi yang ada di ITS. Aplikasi
Eigenface adalah nama yang diberikan untuk satu set ini dibangun menggunakan metode Eigenface yang merupakan
eigenvector ketika digunakan dalam pengenalan wajah pada algoritma dari library Open CV yang dipanggil dalam bahasa
bidang visi komputer. Dalam istilah Layman, Eigenface adalah pemrograman C# dengan menggunakan library Emgu CV.
sekumpulan standardized face ingredient dari analisis statistik Metode ini nantinya digunakan untuk mengenali wajah
dari banyak gambar wajah [3]. Pendekatan Eigenfaces untuk mahasiswa saat melakukan absensi mahasiswa pada suatu
pengenalan wajah dikembangkan oleh Sirovich dan Kirby perkuliahan. Semua data yang ada pada aplikasi disimpan
(1987) dan digunakan oleh Matthew Turk dan Alex Pentland dalam relasional manajemen basis data MySQL. Data-data
pada klasifikasi wajah [4]. Selain merancang sistem untuk yang dibutuhkan pada sistem dikelola oleh pengguna
pengenalan wajah, Matthew Turk dan Alex Pentland juga administrator dan tata usaha. Semua menu yang bisa diakses
menunjukkan cara menghitung eigenvector untuk melakukan oleh pengguna tata usaha juga dapat diakses oleh pengguna
eigendecomposition pada sebagian besar gambar wajah. administrator. Perbedaan antara pengguna administrator dan
Eigenvector berasal dari kovarian matriks distribusi tata usaha terletak pada menu Tata Usaha, dimana
probabilitas pada ruang vektor dari gambar wajah [5]. Dataset administrator bisa mengelola data-data dari tata usaha.
wajah yang digunakan harus diambil dalam kondisi Proses absensi diawali dengan dosen login ke sistem absensi,
pencahayaan dan resolusi yang sama dengan saat melakukan kemudian mengisi detail materi pada berita acara perkuliahan
pengenalan wajah baru. suatu mata kuliah dan menekan tombol “Mulai Absensi”.
Algoritma pengenalan wajah dengan metode Eigenface Proses absensi dilakukan dengan menggunakan webcam pada
dilakukan melalui beberapa tahapan [6], yaitu: komputer. Aplikasi akan mendeteksi dan mengenali wajah
1. Menyusun Flatvector Matriks Citra mahasiswa jika dataset wajah yang ada di basis data memiliki
2. Menghitung Nilai Tengah atau Mean (ᴪ) pencahayaan dan resolusi yang sama pada saat melakukan
3. Menghitung Selisih antara Training Image dengan Nilai absensi. Ketika wajah dikenali oleh aplikasi, maka aplikasi akan
Tengah atau Mean (ᴪ) mengkonfirmasi apakah benar wajah yang dikenali oleh sistem
4. Menghitung Nilai Matriks Kovarian adalah wajah mahasiswa yang bersangkutan. Jika mahasiswa
5. Menghitung Nilai Eigenvalue dan Eigenvector mengkonfirmasi benar, maka sistem akan mencatat kehadiran
6. Mencari Nilai Eigenface mahasiswa dan menyimpannya ke basis data.
7. Proses Identifikasi B. Identifikasi Pengguna
D. Penelitian Terkait Identifikasi pengguna mendifinisikan entitas-entitas yang
Beberapa penilitian terkait dengan tugas akhir ini terlibat dan berinteraksi langsung dengan sistem. Berdasarkan
diantaranya penelitian yang dilakukan oleh Priyanka Wagh, deskripsi umum sistem yang telah dijelaskan pada bagian
Roshani Thakare, Jagruti Chaudhari, dan Shweta Patil dalam sebelumnya, maka pengguna yang akan menggunakan aplikasi
jurnal yang berjudul Attendance System based on Face ini ada empat, yaitu:
Recognition using Eigenface and PCA Algorithm. Hasil 1. Administrator
penelitian menunjukkan bahwa sistem kehadiran yang otomatis Administrator merupakan pengguna yang
dapat dibuktikan sebagai sistem yang efisien untuk pencatatan bertanggungjawab terkait dengan data tata usaha, dosen,
kehadiran mahasiswa. Dengan menggunakan sistem ini, mahasiswa, mata kuliah, kelas, dan jadwal perkuliahan.
kemungkinan kecurangan dapat dikurangi [7]. 2. Tata usaha
Muhammad Rizki Muliawan, Beni Irawan, dan Yulrio Tata Usaha merupakan pengguna yang bertanggungjawab
Brianorman dalam jurnal yang berjudul Implementasi dalam terkait dengan data dosen, mahasiswa, mata kuliah,
Pengenalan Wajah dengan Metode Eigenface pada Sistem kelas, dan jadwal perkuliahan
Absensi. Penelitian ini mendapatkan hasil yang berbeda-beda 3. Dosen
antara wajah satu dengan wajah yang lainnya, pada saat basis Dosen merupakan pengguna yang mengatur fitur pada
data berisi 10 data wajah, hasil rata-rata persentase kecocokan saat perkuliahan, seperti pengisian berita acara
mencapai 88%, sedangkan pada saat basis data berjumlah 20 perkuliahan dan mengaktifkan fitur absensi pada
data wajah, hasil rata-rata persentase kecocokan mencapai groupBox Absen yang digunakan mahasiswa untuk
52%. Penyebab dari perbedaan hasil tersebut adalah faktor melakukan absensi perkuliahan.
pencahayaan, jarak, bentuk wajah, serta jumlah data yang 4. Mahasiswa
tersedia [6]. Mahasiswa merupakan pengguna yang hanya memiliki
akses untuk melakukan dan melihat absensi.
3. Dosen mengisi berita acara pada suatu perkuliahan. dideteksi adalah wajah yang menghadap ke depan, pada
4. Setelah dosen mengisi berita acara, mahasiswa memulai pencahayaan yang baik, dan wajah yang tidak terhalangi oleh
absensi dengan menghadapkan wajah ke depan komputer kacamata, masker, ataupun objek lainnya. Kemudian pengguna
sehingga webcam dapat menangkap wajah mahasiswa. meng-capture wajah yang dideteksi dan sistem akan
Ketika aplikasi mengenali wajah mahasiswa maka aplikasi menampilkan wajah hasil capture. Setelah itu, data wajah akan
akan memberikan umpan balik berupa konfirmasi apakah benar disimpan pada basis data.
data yang dikenali oleh sistem adalah mahasiswa yang
bersangkutan. Jika tidak maka aplikasi akan kembali
Menampilkan
Menampilkan wajah
wajah Meng-capture
Meng-capture
menangkap wajah mahasiswa. pada
pada ImageBox
ImageBox Mendeteksi
Mendeteksi wajah
wajah wajah
wajah yang
yang
Webcam
Webcam dideteksi
dideteksi
Menyimpan
Menyimpan wajah
wajah Menampilkan
Menampilkan wajah
wajah
hasil
hasil capture
capture hasil
hasil capture
capture
rel_mhs_hadir
rel_mhs_kelas
beritaAcara
kehadiran
idBerita <pi> Variable characters (50) <M>
pertemuanKe Variable characters (5) rel_berita_hadir idDetail <pi> Variable characters (70) <M>
tanggal Variable characters (50) keterangan Variable characters (50)
detail Variable characters (500) Identifier_1 <pi>
Identifier_1 <pi>
kelas
rel_berita_jadwal
rel_jadwal_kelas idKelas <pi> Variable characters (50) <M>
jadwal Identifier_1 <pi>
idJadwal <pi> Variable characters (50) <M>
kelas Variable characters (10) rel_jadwal_mk
ruang Variable characters (10) mataKuliah
hari Variable characters (20) kodeMK <pi> Variable characters (10) <M>
jamMulai Integer mataKuliah Variable characters (100)
jamSelesai Integer sks Integer
Identifier_1 <pi> Identifier_1 <pi>
rel_jadwal_dosen
login
dosen idLogin <pi> Variable characters (50) <M>
kodeDosen <pi> Variable characters (5) <M> nama Variable characters (100)
nama Variable characters (100) username Variable characters (50)
password Variable characters (100) password Variable characters (100)
kategori Variable characters (50)
Identifier_1 <pi>
Identifier_1 <pi>
DAFTAR PUSTAKA
[1] A. Raj, Real Time Multiple Face Recognition Security System (RTM-
FS), ResearchGate, 2013.
[2] E. CV, "Emgu CV," 1 May 2016. [Online]. Available:
http://www.emgu.com/wiki/index.php/Main_Page. [Accessed 20 May
2016].
[3] H. a. Fatta, in Rekayasa Sistem Pengenalan Wajah, Yogyakarta, Andi,
Gambar 7 Contoh dataset wajah yang berhasil dikenali 2009, p. 74.
[4] J. R. d. Solar and N. P., "Eigenspace-based face recognition: a
comparative study of different approaches," IEEE Transactions on
VI. KESIMPULAN Systems, Man, and Cybernetics, Part C (Application and Reviews), vol.
Dari hasil selama proses perancangan, implementasi, serta 35, no. 3, pp. 315-325, 2005.
pengujian aplikasi absensi perkuliahan mahasiswa dengan [5] M. A. T. a. A. P. Pentland, "Face Recognition using Eigenfaces," in IEEE
pengenalan wajah, dapat diambil kesimpulan sebagai berikut: Computer Society Conference, Maui, HI, 1991.
1. Aplikasi berhasil dibangun menggunakan bahasa [6] M. R. Muliawan, B. Irawan and Y. Brianorman, "Implementasi
Pengenalan Wajah dengan Metode Eigenface pada Sistem Absensi,"
pemrograman C# dengan pengenalan wajah menggunakan
Jurnal Coding, vol. 03, no. 1, pp. 52-62, 2015.
library Emgu CV.
[7] P. Wagh, R. Thakare, J. Chaudhari and S. Patil, "Attendance System
2. Metode Eigenface dipanggil dari library Emgu CV yang based on Face Recogniiton using Eigenface and PCA Algorithm," IEEE,
digunakan pada proses pengenalan wajah mahasiswa untuk pp. 303-308, 2015.
mencatat status kehadiran.
3. Rancangan basis data yang digunakan untuk aplikasi ini