903 2926 5 PB PDF
903 2926 5 PB PDF
Abstrak
Pengenalan wajah manusia (human face recognition ) adalah cabang utama dalam bidang verifikasi
biometrik selain pengenalan retina mata, sidik jari dan pola tanda tangan dan penerapannya telah ban-
yak digunakan di berbagai aplikasi sistem keamanan jaringan, sistem kontrol pintu, sampai pada pem-
anfaatnnya pada sistem pencatatan kehadiran. Penelitian saat ini bertujuan memanfaatkan teknik
pengenalan wajah sebagai masukan data bagi sistem informasi yang mencatat kehadiran dosen pada
Fakultas Teknik Universitas Hamzanwadi. Basis teknologi untuk pengembangan perangkat lunak pen-
dukung sistem dimaksud adalah OpenCV dan bahasa pemrograman Java. Penelitian ini dilakukan
dengan metode design-science for IS research yang menekankan pada siklus build dan evaluate.
Tahapan build akan dilaksanakan menggunakan kaidah-kaidah berorientasi objek sedangkan tahapan
evaluate dilaksanakan dengan mengadopsi kerangka Technology Acceptance Model (TAM)
Kata Kunci : face recognition, OpenCV, Java, design science, Technology Acceptance Model (TAM)
Abstract
Human face recognition (human face recognition) is a major branch in the field of biometric verification
in addition to the introduction of eye retina, fingerprints and signature patterns and its application has
been widely used in various network security system applications, door control systems, to the benefit of
attendance recording system. The current study aims to utilize facial recognition techniques as data in-
put for information systems that record the presence of lecturers at the Hamzanwadi University Faculty
of Engineering. The technology base for developing the system support software is OpenCV and the
Java programming language. This research was conducted with the design-science for IS research
method that emphasizes the build and evaluate cycles. The build phase will be carried out using object-
oriented rules while the evaluate stage is carried out by adopting the Technology Acceptance Model
(TAM) framework
Keywords: face recognition, OpenCV, Java, design science, Technology Acceptance Model (TAM)
e-ISSN 2614-8773 96
Infotek : Jurnal Informatika dan Teknologi
Vol. 1 No. 2, Juli 2018, hal 96 – 106
DOI : 10.29408/jit.v1i2.903
teknologi yang dapat dimanfaatkan untuk kepent- Purwarupa yang diusulkan akan mengambil ben-
ingan ini adalah OpenCV, yang merupakan soft- tuk perangkat lunak yang digunakan untuk men-
ware library teknik pemrosesan citra untuk catat kehadiran dosen fakultas teknik universitas
berbagai keperluan termasuk pendeteksi dan Hamzanwadi dalam mengajar, yang diintegrasi-
pengenalan wajah. kan dengan sistem informasi akademik yang te-
Ketersediaan teknologi pemrosesan citra dan lah ada sebelumnya. Purwarupa akan dirancang
OpenCV memberikan peluang penerapan dengan konsep modular untuk mendukung
teknologi yang menarik pada bidang rekayasa pemanfaatan purwarupa ini pada kepentingan
perangkat lunak. Salah satu peluang bentuk te- yang lebih luas dan membuka kemungkinan
rapan yang dapat memanfaatkan kemampuan pengembangan ke arah produk tepat guna dapat
pengenalan wajah adalah sistem pencatat ke- yang menjadi inovasi unggulan kampus.
hadiran (time attendance system). Dengan
mengenali wajah seseorang pada live-video me- 2. Tinjauan Pustaka
lalui sebuah kamera (webcam/CCTV), sistem 2.1. Penelitian Terkait
dapat menggunakan informasi tersebut untuk Pengenalan wajah sebelumnya pernah diteliti
mencatat bahwa seseorang hadir pada waktu dan dikaji dengan berbagai pendekatan teroritis.
tertentu dan mengasosiasikannya dengan ke- Pendekatan teori lebih kepada penggunaan al-
jadian yang lain (contoh: kewajiban mengajar, goritma/metode yang berbeda antara penelitian
shift pelayanan). satu dengan yang lain. Seperti pada artikel
Penelitian yang diusulkan adalah untuk menggali (Margono et al. 2004), Arie wirawan dkk membu-
peluang dimaksud dengan mengembangkan at perangkat lunak dengan mengabungkan sis-
purwarupa (prototype) perangkat lunak yang tem pelacakan wajah manusia dengan
memanfaatkan pengenalan wajah untuk men- menggunakan algoritma Camshift dan sistem
catat kehadiran. Selain memanfaatkan OpenCV pengenalan wajah dengan menggunakan algo-
sebagai basis teknologi pengenalan wajahnya, ritma Embedded Hidden Markov Model (EHMM).
perangkat lunak ini juga akan dipadukan dengan Hasil pengujian sistem dengan metode EHMM
perangkat input layar sentuh untuk memberikan menunjukkan hasil pengenalan wajah mencapai
kemudahan dalam pengoperasiannya. Bahasa tingkat akurasi sebesar 82.76% dengan data-
pemrograman yang digunakan untuk mem- base citra sebanyalk 341 citra terdiri dari 31 indi-
bangun purwarupa ini adalah Java, yang dipilih vidu dengan 11 pose dan jumlah citra penguji
karena memiliki API yang didukung penuh sebanyak 29 citra wajah. Penelitian lainnya dil-
OpenCV dan memiliki teknologi GUI yang sesuai akukan oleh (Kurniawan & Saleh 2012), agus
dengan platform yang dipilih. kurniawan dkk, melakukan penelitian untuk
e-ISSN 2614-8773 97
Infotek : Jurnal Informatika dan Teknologi
Vol. 1 No. 2, Juli 2018, hal 96 – 106
DOI : 10.29408/jit.v1i2.903
e-ISSN 2614-8773 98
Infotek : Jurnal Informatika dan Teknologi
Vol. 1 No. 2, Juli 2018, hal 96 – 106
DOI : 10.29408/jit.v1i2.903
3.4. Assesment
Ketiga instrumen dalam variabel penelitian ini
dinilai dengan skala Likert (Likert Scale) yang
terdiri atas 5 (lima) poin:
Gambar 12 wajah berhasil diseleksi (kotak bergaris
1. Sangat Setuju (SS) = 5 biru) dan Kamera beberapa kali mengambil gambar
2. Setuju (S) = 4
3. Netral (N) = 3
4. Tidak Setuju (TS) = 2
5. Sangat Tidak Setuju (STS) =1
Gambar 13. foto hasil seleksi sebanyak 31 foto
4. Hasil Penelitian dan Pembahasan berhasil disimpan dalam folder
Tahapan-tahapan pengujian yang dilakukan
1. Deteksi Wajah Baru dan Menyimpan dalam 2. Training WajahProses training yang
File format jpg dilakukan oleh program adalah mengambil
karakteristik seluruh foto yang ada dalam kemiripan wajah dengan data training, itu artinya
folder, melakukan perhitungan eigenface user harus memilih tombol nama yang sesuai
untuk mendapatkan eigenvektor dengan nama yang bersangkutan, Saat tombol
menyajikannya dalam matrik berukuran diklik sistem akan menampilkan data waktu saat
besar dan disimpan dalam file training_data. melakukan absensi dalam panel log kehadiran
3. Pengenalan WajahDari menu pengenalan (log attendance). Sistem kemudian menyimpan
wajah, lalu kamera bersiap mengambil data tersebut otomatis dalam database sistem
Wajah testing untuk mendeteksi dan Absensi.
mengenal wajah testing sebagai siapa.
Setelah berhail diidentifikasi wajah testing
maka tampil nama/label wajah sebagai
tahapan pengenalan wajah berhasil
dilakukan.
yang mewakili indikator dari 4 variabel utama karena nilai Reliabelnya (R) diatas nilai 0.6 atau
perceive easy of use, perceived usefulness, at- > r tabel.
tiude toward using dan actual usage. Untuk
mengetahui kevalidan instrument penelitian dil- 4.2. Persepsi Responden Terhadap Varia-
akukan uji validitas dan untuk mengetahui tingkat bel Penelitian
kepercayaan instrumen dilakukan uji realibilitas. 1. Perspesi perceived ease of use
Dengan bantuan Excel diperoleh sbb : Dari kelima indikator variabel perceived ease of
Tabel 5. Hasil Uji Validitas use yang diteliti maka berdasarkan persepsi re-
Kesim- sponden, indikator Mudah digunakan (X1.5)
Variabel Indikator r(korelasi) Ket im-
pulan yang memiliki nilai rata-rata skala jawaban
X1.1 0.672414105 Valid
Preceived X1.2 0.725436006 Valid tertinggi yaitu (4.65). Ini artinya menurut pan-
easy of X1.3 0.68202631 r positif Valid
use X1.4 0.768919696 Valid dangan responden aplikasi sistem Pencatatan
X1.5 0.818602921 Valid
X2.1 0.763972966 Valid Kehadiran dengan pengenalan wajah mem-
X2.2 0.768481992 Valid
Prceived X2.3 0.761899705 r positif Valid berikan kemudahan dalDm hal mudah digunakan
usefulness X2.4 0.867216295 Valid
X2.5 0.781185046 Valid dalam pemakaiannya.
X2.6 0.594334343 Valid
Attitude
Y1.1 0.775031758
Positif
Valid Persepsi responden rata-rata terhadap sistem
Y1.2 0.826384196 Valid
toward r
using
Y1.3 0.850386413 Valid Pencatatan Kehadiran dari kelima indicator per-
Y1.4 0.811545198 Valid
Actual Y2.1 0.890563557 r positif Valid ceived ease of use adalah mencapai 4.39. ini
usage Y2.2 0.948025712 Valid
Dimana nilai r tabel (N=20, α=5%) adalah 0.444, artinya interpretasi bernilai BAIK.
r postif jika r hitung > r tabel
Dari tabel diatas didapatkan kesimpulan semua 2. Persepsi Usefulness
variabel penelitian dan indikator setiap variabel- Dari keenam indikator perceived usefulness yang
nya dinyatakan valid atau tepat digunakan se- diteliti maka berdasarkan persepsi responden
bagai instrumen penelitian. indicator memudahkan perkerjaan (X1.5) meru-
Tabel 6. Hasil Uji Realibilitas pakan bagian dari perceived usefulness yang
r(korelasi) Reabilitas ( memiliki nilai rata-rata skala jawaban tertinggi
Indikator ∑genap dan R) Spear- Kesimpulan
∑ganjil man Brown yaitu (4.45). Ini artinya menurut pandangan re-
X1 0.5721 0.7278 Reliabel
sponden aplikasi sistem Pencatatan Kehadiran
X2 0.8477 0.9176 Reliabel
dengan pengenalan wajah memberikan manfaat
Y1 0.5375 0.6992 Reliabel
Y2 0.6995 0.8232 Reliabel
dalam hal menjadikan pekerjaan/kegiatan pen-
Dengan hasil uji realiabilitas pada tabel 6.2 diat- catatan kehadiran lebih mudah.
as dapat disimpulkan semua instrumen Persepsi responden rata-rata terhadap sistem
penelitian memiliki tingkat reliabilitas yang baik Pencatatan Kehadiran dari keenam indicator
perceived usefulness adalah mencapai 4.325. ini Persepsi responden rata-rata terhadap sistem
artinya interpretasi terhadap sistem dalam hal Pencatatan Kehadiran dari kedua indikator actual
mendatangkan manfaat bernilai BAIK. usage adalah mencapai 4.25. ini artinya inter-
pretasi atau penilaian terhadap sistem dalam hal
3. Persepsi Attitude Toward using kelayakan sistem dipakai kontinu dan terus
Dari keempat indikator attitude toward using menerus adalah sudah BAIK.
yang diteliti maka berdasarkan persepsi re-
sponden indikator perlu ide yang bagus dan bi- 5. Kesimpulan
jaksana (y1.2) dan perlu (Y1.3) merupakan ba- Berdasarkan hasil analisis data, kesimpulan
gian dari perceived usefulness yang memiliki penelitian ini dapat dikemukakan sebagai berikut:
nilai rata-rata skala jawaban tertnggi yaitu (4.40). 1. Teknik pengenalan wajah berbasis OpenCV
Ini artinya menurut pandangan responden ap- telah dapat diwujudkan dalam bentuk proto-
likasi sistem Pencatatan Kehadiran dengan type.
pengenalan wajah diperlukan untuk menunjang 2. Setiap fitur sistem yang diusulkan telah ber-
pelaksanaan perkuliahan dikarenakan hasil dijalankan (runnable) sesuai tujuan
penggunaannya termasuk ide yang bagus dan dan fungsi dari tiap tiap fitur sistem.
bijaksana. 3. Hasil Evaluasi terhadap sistem pencatatan
Persepsi responden rata-rata terhadap sistem kehadiran saat diujikan membuktikan Per-
Pencatatan Kehadiran dari keempat indicator sepsi Responden terhadap variabel-variabel
attitude toward using adalah mencapai 4.25. ini pendukung metode TAM menunjukkan hasil
artinya interpretasi atau penilaian terhadap sis- interpretasi bernilai BAIK yang dibuktikan
tem dalam hal dapat diterima sebagai sistem dengan rata-rata total skor tiap tiap indikator
yang akan digunakan adalah bernilai BAIK. variabel penyusunnya yaitu rata-rata total
d. Persepsi actual using skor diatas 4.00. dimana interpretasi BAIK
Dari kedua indikator actual usage yang diteliti memiliki rentang nilai 3.68 – 5.00.
maka berdasarkan persepsi responden kedua
indikator Y2.1 dan Y2.2 merupakan bagian dari
actual usage yang memiliki nilai rata-rata skala Daftar Pustaka
jawaban tertnggi yaitu (4.25). Ini artinya menurut [1] Chuttur, M., 2009. Overview of the
pandangan responden aplikasi sistem Pencata- Technology Acceptance Model: Origins ,
tan Kehadiran dengan pengenalan wajah sudah Developments and Future Directions.
layak digunakan secara kontinu dan terus mene- Sprouts: Working Papers on Information
rus.