PERANCANGAN SISTEM IDENTIFIKASI DAN KLASIFIKASI WAJAH

SERTA SUHU TUBUH MAHASISWA UNTUK MENENTUKAN AKSES

MASUK MENGGUNAKAN ARTIFICIAL INTELLIGENCE - COMPUTER
VISION (STUDI KASUS UNIVERSITAS DARMA PERSADA)

MUHAMAD IQBAL FAUZI

2018210004

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS DARMA PERSADA (2021)
 ABSTRACT

PERANCANGAN SISTEM IDENTIFIKASI DAN KLASIFIKASI WAJAH

SERTA SUHU TUBUH MAHASISWA UNTUK MENENTUKAN AKSES
MASUK MENGGUNAKAN ARTIFICIAL INTELLIGENCE - COMPUTER
VISION (STUDI KASUS UNIVERSITAS DARMA PERSADA)

Muhamad Iqbal Fauzi

2018210004

Program Studi Teknik Elektro Fakultas Teknik

Universitas Darma Persada

Computer Vision merupakan proses bagaimana sebuah komputer

mengenali suatu objek sebagaimana halnya dengan indera penglihatan pada
manusia. Pengenalan objek tersebut berdasarkan pada citra yang ditangkap oleh
alat. Objek-objek tersebut dapat berupa sidik jari, wajah ataupun benda yang
bergerak/gerakan. Gambar biasa merupakan citra yang diam (statis). Dan suatu
gerakan merupakan serangkaian gambar berurut, sehingga lebih kompleks
dibandingkan dengan citra biasa. Dengan menggunakan tehnik image acquisition,
kita dapat mendeteksi adanya gerakan dengan membandingkan frame antar
gambar.
Pengenalan gerakan menjadi hal yang menarik karena dapat diterapkan
pada sistem keamanan. Seperti misalnya di sebuah museum, pengamanan
terhadap benda yang berharga tidak terus menerus dilakukan oleh manusia, tetapi
dapat dibantu oleh sebuah kamera secara otomatis. Dengan adanya kamera akan
mendeteksi distorsi/gangguan yang mendekati daerah sensitif keamanan benda.

Kata kunci : Microcontroller, Image Acquisition, Face Recognition

 BAB I
PENDAHULUAN

A. Latar Belakang

Computer Vision merupakan sebuah sistem otomatis yang digunakan untuk

melakukan analisa citra dan video oleh komputer untuk memperoleh informasi dan
pemahaman dari suatu obyek. Computer Vision ini secara umum bisa dikatakan
secara umum merupakan kemampuan computer untuk menduplikasikan mata
manusia yang baik dalam melakukan penangkapan atau perekaman citra, analisa
citra, ataupun dalam pemahaman citra untuk diterapkan di dalam sebuah mesin
ataupun komputer. Jadi, Computer Vision ini secara tidak langsung merupakan
kemampuan dari sebuah mesin atau computer dalam melihat atau mengenali sebuah
citra dengan sama atau bahkan dapat melebihi kemampuan pengelihatan manusia
asli (Budiman Putra AR, 2017). Di zaman sekarang ini sudah mulai menggunakan
teknologi ini yaitu berupa teknologi yang bernama Object tracking. Biasanya,
teknologi ini sering ditanamkan pada jaringan CCTV (Closed Circuit Television).
Oleh karena itu, teknologi CCTV ini sendiri bisa lebih detail didalam melakukan
pemantauan keaadan sekitar terhadap lingkungan yang tercakup di dalam bentuk
obyek-obyek yang ada. Bahkan oleh karena teknologi ini, hampir setiap sudut
tempat terpasang CCTV.
Menurut Matthew P.J. Ashby di jurnal yang beliau tulis yang berjudul “The
Value of CCTV Surveillance Cameras as an Investigative Tool: An Empirical
Analysis”, walaupun teknologi CCTV ini selalu menuai pro dan kontra dari banyak
pihak namun teknologi ini sangat berguna di dalam merekam momen-momen yang
tidak disadari sebelumnya. Meskipun demikian, teknologi ini dikatakan masih jauh
dari kata sempurna sebab masih banyak ditemukan beberapa kendala-kendala
teknis yang tidak bisa diprediksi.
Banyak faktor yang bisa menjadi alasan kenapa teknologi CCTV ini masih
digunakan sampai sekarang ini. Menurut Journalist’s Resource, di tahun 2011 saja
tingkat kejahatan di beberapa negara besar seperti Amerika serikat dan Inggris
menurun drastis sejak CCTV ini banyak digunakan. Sedikitnya 4500 tindak
kejahatan bisa teratasi dalam kurun waktu 4 tahun.

B. Rumusan Masalah

1. Bagaimana merancang sebuah sistem klasifikasi berbasis mikrokontroller

yang dapat mengklasifikasi wajah serta suhu pada tiap mahasiswa ?

2. Bagaimana penggunaan sistem ini sebagai upaya untuk mengurangi sumber

daya manusia (SDM) untuk dapat melakukan pengecekan masker dan suhu
mahasiswa, sehingga dapat diketahui informasi izin masuk kampus ?
 C. Batasan Masalah

1. Sistem ini merupakan sistem kecerdasan berupa klasifikasi wajah serta suhu
yang implementasi nya menggunakan alat mikrokontroller berbasis
database tool program XAMPP.

2. Metode yang digunakan dalam sistem ini adalah metode klasifikasi

OpenCV Haarcascade menggunakan Python.

3. Sistem ini dimaksudkan untuk dapat mengklasifikasi berbagai macam jenis

kriteria wajah dalam kamera yang dipasang di gerbang kampus atau
fakultas.

D. Tujuan Penelitian

Digunakan sebagai sarana untuk memberikan tujuan informasi ketepatan

khususnya terhadap klasifikasi dan indentifikasi dalam akses dan memasuki
lingkungan kampus Universitas Darma Persada.

E. Manfaat Penelitian

Diharapkan dengan adanya pemanfaatan sistem yang dibangun ini, dapat

memudahkan para mahasiswa dan civitas akademika Universitas Darma Persada
maupun masyarakat umum untuk melakukan segala aktivitas deteksi dini terhadap
aktivitas yang dilakukan didalam lingkungan kampus.

F. Kajian Pustaka

Setelah peneliti melakukan telaah terhadap beberapa penelitian, ada beberapa yang
memiliki keterkaitan dengan penelitian yang peneliti lakukan.
Penelitian yang pertama yang berhasil peneliti temukan adalah penelitian yang
dilakukan oleh Chandra Halim (2018) yang berjudul “Penerapan Artificial
Intelligence dalam Computer Aided Structure (CAI)”. Tujuan dari penelitian ini
adalah untuk mendeskripsikan peran Artificial Intelligence (AI) dalam teknik
pendidikan. dan telah menjadi kecenderungan pengembangan pendidikan
komputer. Makalah ini memperkenalkan sistem instruksi dibantu komputer dan
aktualitasnya, dan membahas konsepsi, objek penelitian dan ruang lingkup AI,
kemudian berurusan dengan instruksi dibantu komputer cerdas berdasarkan
kecerdasan buatan, akhirnya mengusulkan beberapa jenis Computer Aided
Instructure(CAI).
Victor Wiley (2018), Computer Vision and Image Processing: A Paper, berisi
tentang teknik dan ide yang menggabungkan pemrosesan gambar digital. Penelitian
ini menunjukan bahwa visi computer dapat membantu para sarjana untuk
menganalisis gambar dan video untuk mendapatkan informasi yang diperlukan,
memahami informasi tentang peristiwa atau deskripsi, dan pola pemandangan.
Metode yang digunakan adalah domain aplikasi multi-range dengan analisis data
yang masif.

G. Metode Penelitian

1. Studi Kepustakaan
Dengan melakukan studi kepustakaan dengan membaca buku maupun artikel yang
dapat mendukung penulisan ini.

2. Collecting Data
Melakukan pengumpulan data yang dibutuhkan untuk penelitian ini, yaitu data
mengenai informasi mahasiswa dan dosen melalui pihak kampus.

3. Training Data
Melaukan beberapa training dataset yang akan digunakan menggunakan Machine
Learning dan Deep Learning agar mendapatkan hasil dengan akurasi yang baik.

4. Implementasi Sistem
Tahap ini adalah tahap membangun sistem yang sesuai dengan kebutuhan dan
analisis dan juga perancangan yang dilakukan.

5. Testing Sistem
Tahap ini adalah tahap uji coba sistem, apakah implementasi telah sesuai dengan
tujuan penelitian.
 H. Daftar Pustaka

(Victor Wiley, 2018) “Computer Vision and Image Processing: A Paper Review”
Long, Jonathan, Evan Shelhamer, and Trevor Darrell. "Fully convolutional
networks for semantic segmentation." In Proceedings of the IEEE Conference on
Computer Vision and Pattern Recognition, pp. 3431-3440. 2015. DOI:
10.1109/CVPR.2015.7298965
Babatunde, Oluleye Hezekiah, Leisa Armstrong, Jinsong Leng, and Dean
Diepeveen. "A survey of computer-based vision systems for automatic
identification of plant species." Journal of Agricultural Informatics 6, no. 1 (2015):
61-71. doi:10.17700/jai.2015.6.1.152
ehoe, Ben, Sachin Patil, Pieter Abbeel, and Ken Goldberg. "A survey of research
on cloud robotics and automation." IEEE Transactions on automation science and
engineering 12, no. 2 (2015): 398-409. DOI: 10.1109/TASE.2014.2376492
Kubat, Miroslav. "Artificial neural networks." In An Introduction to Machine
Learning, pp. 91-111. Springer International Publishing, 2015. DOI
https://doi.org/10.1007/978-3-319-20010-1_5
Jain, A. K., & Farrokhnia, F. Unsupervised texture segmentation using Gabor
filters. Pattern Recognition, 24, (1991): 1167–1186. DOI: 10.1016/0031-
3203(91)90143-S