SKRIPSI

SISTEM ABSENSI CERDAS MELALUI FACE RECOGNITION YANG

TERHUBUNG SECARA INTERNET UNTUK MENGURANGI PENYEBARAN
COVID 19

Disusun untuk Memenuhi Syarat Mendapatkan Gelar Sarjana Teknik pada

Jurusan Teknik Elektro Fakultas Teknik

Universitas Sriwijaya

Oleh :

MUHAMMAD YUSUF RABBANI

03041281722045

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS SRIWIJAYA

2021
 LEMBAR PENGESAHAN

SISTEM ABSENSI CERDAS MELALUI FACE RECOGNITION YANG

TERHUBUNG SECARA INTERNET UNTUK MENGURANGI PENYEBARAN
COVID 19

SKRIPSI

Dibuat Untuk Memenuhi Syarat Mendapatkan Gelar Sarja Teknik

Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Oleh:

Muhammad Yusuf Rabbani

(03041281722045)

Indralaya, 18 Desember 2021

Menyetujui,
Pembimbing Utama

Baginda Oloan Siregar, S.T., M.T.

NIP. 197206022005011002

ii
iii
Saya sebagai pembimbing dengan ini menyatakan bahwa saya telah membaca dan
menyetujui skripsi ini dan dalam pandangan saya skop dan kualitas skripsi ini mencukupi
sebagai skripsi mahasiswa sarjana strata satu (SI)

Tanda Tangan :

Pembimbing Utama : Baginda Oloan Siregar, S.T., M.T.

Tanggal : 18/ Desember/2021

iv
v
 KATA PENGANTAR

Assalamu’alaikum Wr.Wb.
Puji dan syukur penulis panjatkan kepada Allah Subhanahu Wata’ala berkat izin,
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul
“Sistem Absensi Cerdas Melalui Face Recognition Yang Terhubung Secara Internet
Untuk Mengurangi Penyebaran Covid 19”. Shalawat serta salam penulis curahkan kepada
nabi besar Muhammad Shallallahu ‘alaihi wassalam, beserta keluarga, sabahat, dan
pengikutnya hingga akhir zaman. Tugas akhir dibuat untuk dapat memenuhi salah satu
syarat untuk mendapatkan gelar sarjana teknik pada jurusan Teknik Elektro, Fakultas
Teknik, Universitas.
Tugas akhir ini dibuat berdasarkan berbagai literatur yang berkaitan dengan judul
tugas akhir ini. Pada kesempatan ini penulis secara khusus mengucapkan terimakasih
yang sebesar-besarnya:
1. Keluarga tersayang Ibu Rohaya , Ayah Zainuddin , Kakak Rozak
Abdurrahman, serta Adik Nabilah Aisyah N.
2. Bapak Muhammad Abu Bakar Sidik, S.T., M.Eng., Ph.D. selaku Ketua Jurusan
Teknik Elektro Universitas Sriwijaya dan Ibu Suci Dwijayanti, S.T., M.Sc.
selaku sekretaris Jurusan Teknik Elektro Universitas Sriwijaya.
3. Bapak Baginda Oloan Siregar, S.T., M.T. selaku pembimbing utama tugas
akhir ini yang telah memberikan bimbingan dan memberikan ilmu selama
proses penulisan skripsi.
4. Ibu Suci Dwijayanti, S.T., M.Sc. selaku dosen yang ikut membantu mebimbing
penulisan dan masukkan dalam tugas akhir ini
5. Dosen pembimbing akademik, bapak M. Irfan Jambak, S.T., M.Eng., Ph.D.
yang telah memberikan arahan serta bimbingan kepada penulis selama masa
perkuliahan.
6. Bapak Dr. Bhakti Yudho Suprapto, S.T., M.T., Ibu Dr. Eng. Suci Dwijayanti
S.T., M.S., Bapak Ir. Zaenal Husin, M.Sc, dan Ibu Hera Hikmarika, S.T.,
M.Eng selaku penguji dalam tugas akhir ini.

vi
 7. Dosen pengajar Teknik Elektro Universitas Sriwijaya beserta staff jurusan
Teknik Elektro Universitas Sriwijaya atas bimbingan dan ilmu yang telah
diberikan.
8. Ridho, Rendiyansah, Dwi Ari, Yudatama, Batin, Rahman, Andi, Reza,
Muldian, Fakhri, Bayu, Fany, Zaid, Akshay, Ardi, Markus, Gita, Abiyyu,
Firman dan sahabat lain yang tidak bisa saya sebutkan satu-persatu yang telah
memberikan semangat, motivasi, dan bantuan kepada saya selama ini.
9. Andi Gharcia selaku rekan satu bimbingan Tugas Akhir yang telah membantu
membersamai saya dalam proses pembuatan Tugas Akhir ini.
10. Rekan TKK dan teman-teman Teknik Elektro angkatan 2017 yang memberikan
semangat dan dukungan terhadap penulis.
11. Seluruh pihak yang sudah banyak membantu penulis dalam penyelesaian tugas
akhir yang tidak dapat penulis sebutkan satu-persatu

Harapan penulis, semoga karya ini dapat memberikan sumbangan dan manfaat
khususnya bagi perkembangan dunia pendidikan. Penulis menyadari masih ada
kekurangan dalam pembuatan tugas akhir ini dikarenakan keterbatasan penulis. Maka
dengan segala kerendahan hal penulis mengharapkan kritik dan saran yang membangun
dari pembaca. Akhir kata penulis berharap semoga tugas akhir ini dapat memberikan
manfaat dan ilmu yang bermanfaat kepada setiap pembaca. Terima kasih.
Wassalamu’alaikum, wr. wb.

Indralaya, Desember 2021

Muhammad Yusuf Rabbani

NIM.03041281722045

vii
 ABSTRAK
SISTEM ABSENSI CERDAS MELALUI FACE RECOGNITION YANG
TERHUBUNG SECARA INTERNET UNTUK MENGURANGI
PENYEBARAN COVID 19
(Muhammad Yusuf Rabbani, 03041281722045, 2021, 46 halaman)

Saat ini angka penyebaran COVID-19 semakin meningkat, sehingga diperlukan

sistem untuk mengurangi penyebaran COVID-19. Salah satu tempat instansi
yang tak terkecuali adalah instansi tempat kegiatan pembelajaran seperti di
sekolah, dan universitas. Di tempat seperti universitas masih menggunakan
sistem absensi berupa tanda tangan kehadiran melalui sebuah kertas yang
dibagikan mahasiswa, sehingga hal ini bisa menjadi media penyebaran COVID-
19. Maka sistem face recognition untuk mengurangi kontak fisik untuk
mengurangi kontak fisik untuk mengurangi peluang penyebaran. Langkah awal
untuk mencegah COVID-19 dalam sistem ini ditambahkan dengan sebuah fitur,
yang mana fitur ini adalah pendektesi suhu tubuh menggunakan mikrokontroler
ESP32 yang terhubung MLX90640 sebagai pendektesi suhu, karna salah satu
gejala COVID-19 tubuh menjadi panas. Maka sistem absensi wajah yang
dilengkapi suhu tubuh mampu mengurangi penyebaran dan mencegah orang yang
diperkirakan terinfeksi untuk tidak berkeliaran secara bebas. Adapun sistem ini
hadir dengan dilengkapi teknologi internet yang terhubung ke telegram, sebagai
sarana untuk mengetahui penyimpanan data kehadiran, dan dilengkapi dengan
informasi suhu tubuh tersebut, dan ini bisa dilihat secara umum melalui channel
telegram untuk sama-sama bisa mencegah COVID-19 menyebar secara luas.
Pengujian algoritma machine learning berupa Support Vector Machine (SVM)
berfungsi sebagai classifier untuk membedakan setiap kelasnya. Pada pengujian
SVM, sistem akan diberikan kondisi terbaik untuk melakukan pengenalan wajah
dengan posisi tampak depan saja. Untuk akurasi melalui data training dan testing,
sistem ini memiliki akurasi 91% , recall dan presisi yang baik juga. Dan Ketika
diujikan dilapangan secara realtime, mampu mengenali wajah dengan akurasi
90%. Wajah yang telah dikenali tadi akan tersimpan pada aplikasi telegram
sebagai tanda kehadiran, dengan selisih waktu yang sama, sehingga tidak akan
terjadi delay dan waktu di telegram bisa dijadikan rekam jejak absensi mahasiswa
tersebut sebagai alat Internet Of Things(IoT).

Kata Kunci: Pengenalan Wajah, Sensor MLX90640, Support Vector

Machine, Internet Of Things(IoT).

viii
 Indralaya, 18 Desember 2021
Menyetujui,
Pembimbing Utama

Baginda Oloan Siregar, S.T., M.T.

NIP. 197206022005011002

ix
 ABSTRACT
INTELLIGENT ATTENDANCE SYSTEM THROUGH FACE RECOGNITION
THAT IS CONNECTED TO THE INTERNET TO REDUCE THE SPREAD
OF COVID 19
(Muhammad Yusuf Rabbani, 03041281722045, 2021, 46 pages)

Currently the number of the spread of COVID-19 is increasing, so a system is needed to

reduce the spread of COVID-19. One of the places where institutions are no exception is
institutions where learning activities are carried out such as schools and universities. In
places like universities, they still use the attendance system in the form of attendance
signatures through a paper distributed by students, so this can be a medium for the spread
of COVID-19. Then the face recognition system to reduce physical contact to reduce
physical contact to reduce the chance of spread. The initial step to prevent COVID-19 in
this system is added with a feature, which this feature is body temperature detection using
an ESP32 microcontroller connected to MLX90640 as a temperature detector, because
one of the symptoms of COVID-19 the body becomes hot. So a facial attendance system
equipped with body temperature can reduce the spread and prevent people who are
thought to be infected from roaming freely. This system comes equipped with internet
technology that is connected to telegram, as a means to find out where attendance data
is stored, and is equipped with body temperature information, and this can be viewed in
general through the telegram channel to jointly prevent COVID-19 from spreading
widely. This study also intends to test a machine learning algorithm in the form of a
Support Vector Machine (SVM) which functions as a classifier to distinguish each class.
The system would act as student attendance, so the best conditions would be given to
perform facial recognition with a front view position only. For accuracy through training
and testing data, this system has an accuracy of 91%, recall and precision are good too.
And when tested in the field in real time, it would be able to recognize faces with 90%
accuracy. The recognized face would be stored in the telegram application as a sign of
attendance, with the same time difference, so there would be no delay and the time on
telegram can be used as a track record of student attendance as an Internet Of Things
(IoT) tool.

Keywords: Face Recognition, MLX90640 Sensor, Support Vector Machine,

Internet of Things(IoT).

x
 Indralaya, 18 Desember 2021
Menyetujui,
Pembimbing Utama

Baginda Oloan Siregar, S.T., M.T.

NIP. 197206022005011002

xi
 DAFTAR ISI

LEMBAR PENGESAHAN ........................................................................................... ii

HALAMAN PERNYATAAN INTEGRITAS ............................................................ iii
HALAMAN PERNYATAAN DOSEN ........................................................................ iv
PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK
KEPENTINGAN AKADEMIK .................................................................................... v
KATA PENGANTAR ................................................................................................... vi
ABSTRAK ................................................................................................................... viii
ABSTRACT ..................................................................................................................... x
DAFTAR ISI ................................................................................................................. xii
DAFTAR RUMUS .......................................................................................................xiv
DAFTAR GAMBAR ..................................................................................................... xv
DAFTAR TABEL ........................................................................................................xvi
BAB I PENDAHULUAN ................................................................................................ 1
1.1 Latar Belakang ........................................................................................................ 1
1.2 Perumusan Masalah ................................................................................................ 2
1.3 Tujuan Penelitian .................................................................................................... 2
1.4 Pembatasan Masalah ................................................................................................ 2
1.5 Keaslian Penelitian................................................................................................... 3
BAB II TINJAUAN PUSTAKA ..................................................................................... 5
2.1 State of The Art ........................................................................................................ 5
2.2 Support Vector Machine (SVM) .............................................................................. 7
2.3 Face Recognition ................................................................................................... 10
2.4 Eigenfaces .............................................................................................................. 10
2.4 Internet of Things(IoT) .......................................................................................... 12
BAB III METODE PENELITIAN .............................................................................. 14
3.1 Studi Literatur ........................................................................................................ 14
3.2 Perancangan Dataset .............................................................................................. 15
3.3 Perangkat sistem .................................................................................................... 15

xii
 3.4 Perangkat Keras ..................................................................................................... 18
3.4.1 Webcam Logitech C922 ............................................................................. 18
3.4.2 Laptop ......................................................................................................... 19
3.4.3 Sensor Suhu ................................................................................................ 19
3.5 Pengambilan Data .................................................................................................. 19
3.6 Pelatihan SVM ....................................................................................................... 20
3.7 Pengujian Sistem .................................................................................................... 20
3.8 Laporan Absensi .................................................................................................... 21
BAB IV HASIL DAN PEMBAHASAN ....................................................................... 22
4.1 Perancangan Perangkat Keras ................................................................................ 22
4.1.1 Perancangan Sensor Suhu MLX90640 ....................................................... 23
4.2 Software Pendukung .............................................................................................. 23
4.3 Pengujian Sensor Suhu MLX90640....................................................................... 23
4.4 Pengumpulan Data Latih........................................................................................ 26
4.5 Praproses Data ....................................................................................................... 27
4.6 Proses Pelatihan ..................................................................................................... 28
4.7 Pengujian Pengenalan Wajah ................................................................................. 38
4.8 Pengujian Monitoring Sistem ............................................................................... 42
BAB V KESIMPULAN DAN SARAN ........................................................................ 46
5.1 Kesimpulan ............................................................................................................ 46
5.2 Saran ...................................................................................................................... 46

DAFTAR PUSTAKA
LAMPIRAN

xiii
 DAFTAR RUMUS

Rumus 2.1 Support vector .................................................................................................9

Rumus 3.1 Akurasi ..........................................................................................................17

xiv
 DAFTAR GAMBAR

Gambar 2.1 Posisi wajah ...................................................................................................6

Gambar 2.2 SVM menentukan hyperplane ..................................................................... 8
Gambar 2.3 Perancangan IoT .......................................................................................... 9
Gambar 2.4 Ekstrasi Ciri Eigenfaces ............................................................................ 3.1
Gambar 3.1 Flowchart Penelitian ................................................................................... 14
Gambar 3.2 Flowchart Model SVM ...............................................................................15
Gambar 3.3 Flowchart Sistem Absensi ...........................................................................17
Gambar 3.4 Webcam logitech C922................................................................................18
Gambar 3.5 Sensor Suhu MLX090640 ...........................................................................19
Gambar 4.1 Rancangan Perangkat Keras Sistem ........................................................... 22
Gambar 4.2 Wiring MLX90640 terhadap ESP32 ........................................................... 23
Gambar 4.3 Grafik Hasil Pengujian Sensor MLX90640 .................................................24
Gambar 4.4 Grafik Hasil Standar Deviasi Pengujian 23 ................................................ 26
Gambar 4.5 Prosess Input Dataset ...................................................................................27
Gambar 4.6 Wajah Diambil Dengan Ukuran Yang Sama ...............................................27
Gambar 4.7 Pemberitahuan Gambar Telah Selesai Diambil .......................................... 28
Gambar 4.8 Hasil Tangkapan Gambar Oleh Sistem ....................................................... 28
Gambar 4.9 Grafik Perbandingan Gamma ......................................................................33
Gambar 4.10 Grafik Percobaan Nilai C.......................................................................... 38
Gambar 4.11 Hasil Pengujian Waktu Pengiriman ........................................................... 42

xv
 DAFTAR TABEL

Tabel 2.1 Hasil pengujian sistem....................................................................................... 6

Tabel 3.1 Spesifikasi Laptop .......................................................................................... 19
Tabel 3.2 Confusion Metric ............................................................................................. 21
Tabel 4.1 Pengujian Sensor MLX90640 .........................................................................24
Tabel 4.2 Pengujian Sensor MLX90640 Dalam Berbagai Jarak .................................... 25
Tabel 4.3 Hasil Standar Deviasi Pengujian .....................................................................25
Tabel 4.4 Gamma(𝛾) 0,0001 ............................................................................................. 29
Tabel 4.5 Gamma(𝛾) 0,001 .............................................................................................. 29
Tabel 4.6 Gamma(𝛾) 0,01.................................................................................................30
Tabel 4.7 Gamma(𝛾) 0,1 ..................................................................................................30
Tabel 4.8 Gamma(𝛾) 1 .................................................................................................... 31
Tabel 4.9 Gamma(𝛾) 10 ...................................................................................................32
Tabel 4.10 Perbandingan Akurasi Pada Setiap Gamma(𝛾) .............................................32
Tabel 4.11 Nilai C 0,01 .................................................................................................. 33
Tabel 4.12 Nilai C 0,1 .....................................................................................................34
Tabel 4.13 Nilai C 1 ........................................................................................................35
Tabel 4.14 Nilai C 10 ..................................................................................................... 35
Tabel 4.15 Nilai C 100 ....................................................................................................36
Tabel 4.16 Nilai C 1000 ................................................................................................. 37
Tabel 4.17 Nilai C Dengan Perbandingan Akurasi ......................................................... 37
Tabel 4.18 Hasil Pengujian ............................................................................................. 39
Tabel 4.19 Hasil Monitoring System...............................................................................43

xvi
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Corona virus atau lebih dikenal COVID-19 adalah jenis virus yang telah
membunuh banyak orang di seluruh dunia. Berdasarkan dari data WHO, jumlah kasus
hingga tanggal 21 November 2021 terus mengalaami peningkatan hingga 225 juta kasus
dengan 5 juta kematian dan masih terus berlanjut sampai detik ini [1]. COVID-19 dapat
menyebar melalui partikel-partikel dari bersin atau batuk penderita yang menempel pada
objek lain seperti pakaian ataupun alat elektronik dari orang disekitarnya [2]. COVID-
19 akan terus menempel pada objek dalam jangka waktu tertentu, sehingga penularan
dapat terjadi jika kita menyentuh objek yang telah disentuh oleh penderita COVID 19.
Gejala yang ditimbulkan terhadap orang yang terinfeksi COVID 19 adalah demam, batuk,
sulit bernapas atau sesak[3]. Sehingga langkah awal untuk mengidentifikasi penyakit
adalah melalui suhu pada tubuh.

Salah satu contoh penyebaran COVID-19 dalam suatu lembaga adalah melalui
sistem absensi yang masih melakukan kontak fisik seperti sidik jari, tanda tangan melalui
kertas dengan menggunakan pena yang sama. Sehingga penyebaran COVID-19 di
masyarakat lebih leluasa, dan salah satu cara untuk mengurangi penularan di sistem
absensi adalah dengan sistem minim kontak fisik seperti face recognition. Face
recognition atau pengenalan wajah adalah Pengenalan identitas dengan melakukan
pemindaian (scanning) pada wajah seeorang melalui teknologi biometrik yang dapat
melakukan verifikasi data diri tanpa perlu melakukan kontak fisik terhadapnya[4].
Sehingga, teknologi ini yang memiliki fitur untuk mengenali suhu mampu mencegah
penularan COVID-19 yang terjadi pada masyarakat secara luas.

Beberapa penelitian mengenai face recognition sebagai absen otomatis telah banyak
dilakukan oleh peneliti, di antaranya adalah sistem absensi wajah menggunakan metode
Pattern Recognition . Dalam pattern recognition yang baik digunakan adalah Support
Vector Machine(SVM) [5]. SVM terbukti memiliki hasil yang lebih baik dibandingkan
17
dengan metode eigenface yang hanya memiliki akurasi sebesar 52% [6], lebih kecil
dibandingkan SVM yang telah memiliki akurasi yang lebih baik seperti neural network
umumnya [5]. Penelitian tersebut secara keseluruhan telah menunjukkan hasil akurasi
yang baik dalam proses klasifikasi class dengan hasil yang baik. Namun objek klasifikasi
yang digunakan berupa data bio informatika seperti gen, struktur dan homologi protein.

Menurut penelitian yang dilakukan Muhammad Athoillah dalam menggunakan

Support Vector Machine (SVM) untuk mengenali wajah dapat dilakukan. Penelitiannya
memiliki hasil akurasi yang baik serta memiliki fleksibelitas yang baik dalam pengenalan
wajah dengan akurasi sebesar 89%[5].Namun kekurangan dalam penelitiannya adalah
tidak secara realtime dan masih bersifat manual. Untuk meningkatkan efektifitas dan
kebermanfaatan, maka tugas akhir ini akan dilakukan dengan menerapkan pattern
recognition menggunakan metode SVM, untuk mendeteksi wajah secara real time.

Sistem yang bersifat real time digunakan untuk proses absensi data kehadiran, posisi
yang digunakan hanya bagian depan atau wajah, serta sistem akan melakukan
pemeriksaan suhu. Kemudian wajah dan suhu yang dikenali akan dikirim melalui internet.
Sistem akan mengidentifikasi wajah serta suhu dan akan mengirimkan informasi melalui
jaringan online.

1.2 Perumusan Masalah

COVID-19 merupakan virus yang menyebar melalui kontak fisik dan memiliki
gejala demam. Maka, identifikasi seseorang melalui absensi diperlukan metode yang
dilakukan tanpa kontak fisik serta memeriksa suhu. Pengenalan identitas diri melalui
pengenalan wajah (face recognition) dan pemeriksaan suhu, dilakukan sebagai bentuk
pencegahan COVID-19 serta diinformasikan melalui internet, sehingga pendataan
kehadiran bisa dilakukan tanpa melalui kontak fisik.

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah menggunakan sistem identifikasi wajah dan
identifikasi suhu tubuh secara wireless yang terhubung internet dengan metode SVM, dan
akan ditampilkan secara real-time untuk penggunaan absen.

18
1.4 Pembatasan Masalah

Lingkup batasan masalah pada penelitian ini agar permasalahan yang dibahas
menjadi terarah meliputi:

1. Mengidentifikasi wajah para mahasiswa Jurusan Teknik Elektro Fakultas Teknik

Universitas Sriwijaya.
2. Data wajah yang digunakan bersifat real-time dengan wajah yang tidak terhalang oleh
apapun (kecuali hijab).
3. Menggunakan metode Support Vector Machine(SVM) untuk mendeteksi wajah
dengan menggunakan platform Python.
4. Memeriksa suhu tubuh untuk identifikasi COVID 19.
5. Sistem yang digunakkan terhubung secara internet dan dimonitoring melalui aplikasi
telegram.
1.5 Keaslian Penelitian

Beberapa penelitian sebelumnya mengenai face recognition sebagai identifikasi

wajah dengan menggunakan metode SVM telah dilakukan oleh Muhammad Athoillah[5].
Athoillah melakukan penelitian face recognition dengan menggunakan metode SVM
yang dikombinasikan dengan multi kernel sebagai identifikasi wajah. Untuk hasil akurasi
yang didapat sudah tinggi, yaitu 89%. Namun data tidak memiliki tujuan apapun selain
untuk mengenali wajah. Pengolahan datanya pun bersifat non real time sehingga masih
perlu dilakukan training untuk pengolahan datanya. Dalam penelitiannya tidak memiliki
metode khusus, sehingga hanya bersifat menguji akurasi algoritma saja.

Beberapa penelitian sebelumnya mengenai face recognition sebagai verifikasi

identifikasi data telah banyak dilakukan dengan berbagai metode yang bervariasi, seperti
metode viola jones yang dilakukan oleh Pareza Alam Jusia yang menggunakan viola
jones sebagai deteksi wajah dan kemudian pengenalan wajahnya menggunakan Principal
Component Analysis(PCA) [4]. Hasil akurasi yang didapatkan tidak ditunjukkan. Metode
penelitian ini hasil yang didapatkan masih kurang baik karena harus dilakukan secara
manual dan tidak real-time sehingga sistem tidak bisa dijalankan secara otomatis.

19
 Selanjutnya, penelitian yang dilakukan oleh Yong Zhang dan Zhi Mao Xue
dengan menggunakan metode RBF to Neural Network untuk melakukan face
recognition[7]. Penelitian ini memiliki akurasi yang cukup tinggi 94% karena
menggunakan data sample dengan berbagai kondisi , seperti pencahayaan , perbedaan
eksperesi. Namun dalam pelakasanaanya tidak bersifat real time, dan didalam operasinya
juga tidak bisa menggunakan data yang terlalu besar dalam citranya serta tidak
menunjukkan proses mengolah data secara langsung.

Penelitian lain tentang face recognition dilakukan oleh Mantoro menggunakan

haar cascades dan eigenfaces untuk multi faces recognition[8]. Pada penelitiannya ingin
mengenali wajah orang yang berjumlah lebih dari 1 saat bersamaan. Metode untuk
mendeteksi wajah yang mereka gunakan adalah haar cascades dan dilanjutkan dengan
pengenalan wajah menggunakan eignefaces sebagai face recognition. Pada penelitian ini
mendapatkan akurasi 91,67%. Namun sistem yang digunakan masih tidak bersifat real
time.

Berikutnya adalah penelitian terkait wireless dalam hal ini Internet Of Thing(IoT)
yang dilakukan oleh Rasyid Abdul Rachman dan Emy Haryatmi , dengan menggunakan
absensi mahasiswa dengan menggunakan sidik jari yang berbasis IoT secara real time [9].
Dalam penelitiannya mereka telah berhasil melakukan absensi sidik jari yang berfungsi
sebagai identifikasi data diri seseorang. Begitu juga dengan database sebagai hasil dari
identifikasi , dapat dilihat melalui sebuah website. Namun untuk kekurangan dari
penelitian ini adalah karena yang bersifat bersentuhan langsung, akan mengakibatkan
penyebaran COVID-19 semakin menyebar.

Berdasarkan dari beberapa penelitian yang dijelaskan sebelumnya, maka

penelitian ini akan dikembangkan menjadi suatu sistem absenesi data kehadiran melalui
pengenalan wajah menggunakan metode Pattern Recognition sebagai pendeteksi wajah
dan menggunakan algoritma SVM sebagai proses identifikasi atau pengenalan wajah.
Sistem ini memiliki identifikasi suhu yang bersifat real time dan akan terhubung secara
internet dengan database mahasiswa Teknik Eleketro Universitas Sriwijaya. Desain
sistem ini diharapkan dapat mengurangi resiko penyebaran COVID-19 .

20
 DAFTAR PUSTAKA

[1] “WHO Coronavirus (COVID-19) Dashboard | WHO Coronavirus (COVID-19)

Dashboard With Vaccination Data.” https://covid19.who.int/ (accessed Aug. 11,
2021).

[2] A. L. Larasati, D. Gozali, and C. Haribowo, “Penggunaan Desinfektan dan

Antiseptik Pada Pencegahan Penularan Covid-19 di Masyarakat,” Maj.
Farmasetika, vol. 5, no. 3, pp. 137–145, 2020, doi:
10.24198/mfarmasetika.v5i3.27066.

[3] Y. Yuliana, “Corona virus diseases (Covid-19): Sebuah tinjauan literatur,”

Wellness Heal. Mag., vol. 2, no. 1, pp. 187–192, 2020, doi:
10.30604/well.95212020.

[4] P. A. Jusia, T. Informatika, and V. Jones, “Face Recognition Menggunakan

Metode Algoritma Viola Jones Dalam Penerapan Computer Vision,” vol. 11, no.
1, pp. 663–675, 2016.

[5] M. Athoillah, “Pengenalan Wajah Menggunakan SVM Multi Kernel dengan

Pembelajaran yang Bertambah,” J. Online Inform., vol. 2, no. 2, pp. 84–91, Jan.
2018, Accessed: Aug. 11, 2021. [Online]. Available:
http://join.if.uinsgd.ac.id/index.php/join/article/view/v2i24.

[6] M. R. Muliawan, B. Irawan, and Y. Brianorman, “Implementasi Pengenalan

Wajah Dengan Metode Eigenface Pada Sistem Absensi,” J. Coding, Sist.
Komput. Untan, vol. 03, no. 1, pp. 41–50, 2015, [Online]. Available:
http://jurnal.untan.ac.id/index.php/jcskommipa/article/viewFile/9727/9500.

[7] Y. Zhang and Z. M. Xue, “RBF neural network application to face recognition,”
Int. Conf. Challenges Environ. Sci. Comput. Eng. CESCE 2010, vol. 2, pp. 381–
384, 2010, doi: 10.1109/CESCE.2010.268.

[8] T. Mantoro, M. A. Ayu, and Suhendi, “Multi-Faces Recognition Process Using

 Haar Cascades and Eigenface Methods,” Int. Conf. Multimed. Comput. Syst. -
Proceedings, vol. 2018-May, pp. 1–5, 2018, doi: 10.1109/ICMCS.2018.8525935.

[9] R. A. Rachman and E. Haryatmi, “Rancang Bangun Absensi Mahasiswa

Menggunakan Sidik Jari Pada Raspberry Pi Berbasis Internet of Things (Iot)
Secara Real Time,” J. Ilm. Inform. Komput., vol. 23, no. 3, pp. 154–165, 2018,
doi: 10.35760/ik.2018.v23i3.2371.

[10] R. A. Rizal, “View of Klasifikasi Wajah Menggunakan Support Vector Machine

(SVM),” 2019.
https://www.polgan.ac.id/jurnal/index.php/remik/article/view/10080/214
(accessed Aug. 11, 2021).

[11] P. Studi, S. Teknik, F. Informatika, and U. Telkom, “Analisis dan Implementasi

Pengenalan Wajah berbasis Video dengan Menggunakan Algoritma Viola Jones
dan SVM ( Support Vector Machine ) Analysis and Implementation of Video
Base Face Recognition using Viola Jones Algorithm and Support Vector
Machine.”

[12] M. Hidayat and N. Mardiyantoro, “Sistem Pemantauan dan Pengendalian pH Air

Berbasis IoT Menggunakan Platform Arduino,” J. Penelit. dan Pengabdi. Kpd.
Masy. UNSIQ, vol. 7, no. 1, pp. 65–70, 2020, doi: 10.32699/ppkm.v7i1.1039.

[13] A. S. Nugroho, A. B. Witarto, and D. Handoko, “Support Vector Machine-Teori

dan Aplikasinya dalam Bioinformatika 1,” 2003, Accessed: Aug. 11, 2021.
[Online]. Available: http://asnugroho.net.

[14] D. Wahyuningsih, C. Kirana, R. Sulaiman, Hamidah, and Triwanto, “Comparison

of the Performance of Eigenface and Fisherface Algorithm in the Face
Recognition Process,” 2019 7th Int. Conf. Cyber IT Serv. Manag. CITSM 2019,
pp. 5–9, 2019, doi: 10.1109/CITSM47753.2019.8965345.

[15] G. H. Cahyono, “Internet of Things (Sejarah, Teknologi Dan Penerapannya),” J.

Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2013.

[16] K. Tbarki, S. Ben Said, R. Ksantini, and Z. Lachiri, “RBF kernel based SVM
 classification for landmine detection and discrimination,” IPAS 2016 - 2nd Int.
Image Process. Appl. Syst. Conf., pp. 1–6, 2017, doi:
10.1109/IPAS.2016.7880146.

[17] R. A. Wijayanti, M. T. Furqon, and S. Adinugroho, “Penerapan Algoritme

Support Vector Machine Terhadap Klasifikasi Tingkat Risiko Pasien Gagal
Ginjal,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no.
10, pp. 3500–3507, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-
ptiik/article/download/2647/991/.

[18] N. Z. Hashmi, A. Irtaza, W. Ahmed, and N. Nida, “An augmented reality based
Virtual dressing room using Haarcascades Classifier,” 2020 14th Int. Conf. Open
Source Syst. Technol. ICOSST 2020 - Proc., 2020, doi:
10.1109/ICOSST51357.2020.9333032.