Prototype of Student Attendance Application Based on Face Recognition Using Eigenface Algorithm [1]
Author : Tio Eko Prabowo, Rudy Hartanto, Sunu Wibirama
Keywords— Eigenface, Haar-Based Cascade Classifier, Image Pre-Processing, Attendance Application, Face Recognition
1. Topik
Face Recognition yang diimplemntasikan untuk absensi mahasiswa.
2. Konsep
Penelitian ini dikembangkan untuk mengatasi kelemahan sistem sebelumnya, yaitu mengtasi variari itensitas cahaya dan kondisi wajah yang
berputar (rotasi z). Kemudian pada penelitian ini juga dikembangkan sistem yang dapat menyimpan hasil absensi.
3. Metode
Face Recognition, Algoritma Eigenface face (untuk mendeteksi dan pengenalan), Haarbased Cascade Classifie (untuk proses deteksi
wajah). Pada jurnal ini dijelaskan alasan penulis memilih kedua metode ini dan perbandingan dengan metode lain dibeberapa referensi.
4. Konteks/Setting/Sample
Untuk meningkatkan akurasi pengenalan wajah ditambahkan metode pre-processing facial image yang dibagi menjadi 4 tahap yaitu
geometry transformation, separate histogram levelling, smoothing, and elliptical masking. Ini juga merupakan perbedaan dengan penelitian
sebelumnya dimana pre-processing hanya menggunakan teknik resizing. Dilakukan beberapa kali pengujian dengan beberapa kasus
intensitas cahaya yang didapat oleh kamera , pengujian jika ada perubahan kemiringan wajah terhadap sumbu z.
Pada penelitian ini dijelaskan tahapan dari image diambil, tahapan pre-processing, perhitungan akurasi. Akan tetapi tidak dijelaskan
secara jelas penggunaan kedua metode yang disebutkan oleh penulis.
5. Penemuan/Hasil
Dari percobaan yang dilakukan didapatkan hasil peningkatan kinerja rata-rata 16,71% dalam berbagai intensitas cahaya, ada peningkatan
waktu untuk pengenalan wajah dengan peningkatan rata-rata dalam waktu 6,22 detik, peningkatan kinerja akurasi pengenalan wajah
terhadap kondisi perubahan wajah (kemiringan yang disebabkan oleh rotasi kepala terhadap sumbu z) dengan peningkatan rata-rata 38.47%.
Kemudian prototype sistem yang dihasilkan sudah dilengkapi dengan database yang menyimpan hasil absensi mahasiswa.
6. Batasan/Gap (future research)
Pada penelitian ini tidak disebutkan batasan maupun ide untuk penelitian selanjutnya. Akan tetapi pada penelitian ini hanya dibuat
prototype sistem, ada baiknya dikembangkan kembali lebih lanjut.
Aplikasi Verifikasi Wajah Untuk Absensi Pada Platform Android Dengan Menggunakan Algoritma Fisherface [2]
Author : I Putu Putra Yana Wardana, I A Dwi Giriantari, Made Sudarma
Keywords— Attendance, face recognition, mobile, android, fisherface
1. Topik
Verifikasi wajah untuk absensi
2. Konsep
Penelitian ini dikembangkan untuk proses absensi dengan menggunakan teknologi face recognition dengan menggunakan algoritma
fisherface. Selain bertujuan untuk menciptakan aplikasi verifikasi wajah untuk absensi, pada penelitian ini juga akan diuji pengaruh
perubahan ekspresi wajah, jarak, penggunaan atribut tambahan, dan pencahayaan pada saat pengujian sistem.
3. Metode
Face Recognition, Algoritma Fisherface
4. Konteks/Setting/Sample
Terdapat dua tahapan yang dilakukan yaitu tahap pelatihan (untuk sampling data) dan tahap pencocokan (proses identifikasi). Tahap
pelatihan (open camera - capture image - deteksi wajah - penyelarasan wajah - simpan ke database - ekstraksi fisherfase),
Tahap pencocokan (open camera - campture image - deteksi wajah - penyelarasan wajah - pencocokan - hasil pencocolan - simpan data ke
database).
Proses penyelaran wajah (grayscaling - pemotongan citra, resizing, equalizing).
Dilakukan 5 rancangan percobaan untuk menguji pengaruh yang telah disebutkan pada konsep.
5. Penemuan/Hasil
Dilakukan uji coba sebanyak 200 kali, hasil yang didapatkan yaiu sistem face recognition yang telah dikembangkan tidak berpengaruh
terhadap ekspresi wajah yang normal, pencahayaan yang normal dan penggunaan kaca mata. Sistem tidak dapat mengenali dan
mencocokkan hasil tangkap kamera yang berupa citra wajah dari sebuah foto dengan database citra wajah yang tersimpan di database wajah
yang telah di training. Sistem ini hanya bisa menangkap citra wajah dengan kemirigan wajah kurang lebih lima belas derajat kemiringan
dari tegak lurus camera dengan wajah.
6. Batasan/Gap (future research)
Kekurangannya telah disebutka pada hasil yaitu sistem yang dihasilkan hanya bisa menangkap citra wajah dengan kemirigan wajah kurang
lebih lima belas derajat kemiringan dari tegak lurus camera dengan wajah.
[1] T. E. Prabowo, R. Hartanto, and S. Wibirama, “Prototype of Student Attendance Application Based on Face Recognition Using Eigenface
Algorithm,” vol. 3, no. 1, p. 6, 2019.
[2] Electrical Engineering Universitas Udayana, I. P. Putrayana Wardana, I. A. Dwi Giriantari, and M. Sudarma, “APLIKASI VERIFIKASI WAJAH
UNTUK ABSENSI PADA PLATFORM ANDROID DENGAN MENGGUNAKAN ALGORITMA FISHERFACE,” MITE, vol. 15, no. 2, pp. 45–52, Dec.
2016, doi: 10.24843/MITE.1502.08.
[3] D. Sunaryono, J. Siswantoro, and R. Anggoro, “An android based course attendance system using face recognition,” Journal of King Saud
University - Computer and Information Sciences, p. S1319157818309406, Jan. 2019, doi: 10.1016/j.jksuci.2019.01.006.
[4] M. K and V. A, “Smart Application for Ams Using Face Recognition,” CSEIJ, vol. 3, no. 5, pp. 13–20, Oct. 2013, doi: 10.5121/cseij.2013.3502.
[5] O. Dospinescu and I. Popa, “Face Detection and Face Recognition in Android Mobile Applications,” IE, vol. 20, no. 1/2016, pp. 20–28, Mar.
2016, doi: 10.12948/issn14531305/20.1.2016.02.
[6] F. A. Albalooshi, M. Smith-Creasey, Y. Albastaki, and M. Rajarajan, “Facial Recognition System for Secured Mobile Banking,” KEG, vol. 3, no.
7, p. 92, Oct. 2018, doi: 10.18502/keg.v3i7.3074.
[7] B. Jeon et al., “A Facial Recognition Mobile App for Patient Safety and Biometric Identification: Design, Development, and Validation,” JMIR
Mhealth Uhealth, vol. 7, no. 4, p. e11472, Apr. 2019, doi: 10.2196/11472.
[8] S. M. Bah and F. Ming, “An improved face recognition algorithm and its application in attendance management system,” Array, vol. 5, p.
100014, Mar. 2020, doi: 10.1016/j.array.2019.100014.
[9] X. Wu, J. Xu, J. Wang, Y. Li, W. Li, and Y. Guo, “Identity authentication on mobile devices using face verification and ID image recognition,”
Procedia Computer Science, vol. 162, pp. 932–939, 2019, doi: 10.1016/j.procs.2019.12.070.
[10] D. Suryadi, R. Hidayat, and H. A. Nugroho, “Pengembangan Sistem Identifikasi Multimodal Dengan Mengunakan Wajah Dan Telinga,” p. 8,
2014.