Sistem Absensi Otomatis Berbasis

Rekognisi Wajah Menggunakan

Metode Deep Metric Learning
Mufid Naufal Baay
07111640000158

DEPARTEMEN TEKNIK ELEKTRO

FAKULTAS TEKNOLOGI ELEKTRO DAN INFORMATIKA CERDAS
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
 Latar Belakang

1. Kebutuhan akan sistem absensi yang terhindar dari kecurangan

2. Penggunaan karakteristik unik fisik seseorang untuk proses autentikasi
3. Bekembangnya machine learning
 Rumusan Masalah

1. Bagaimana cara membuat mesin dapat mendeteksi dan merekognisi

wajah?
2. Bagaimana keandalan deep metric learning dalam merekognisi wajah?
3. Bagaimana mengimplementasikan metode untuk membuat sistem absen
otomatis berbasis rekognisi wajah?
4. Bagaimana performa rancangan sistem dalam merekognisi wajah secara
real-time?
 Batasan Masalah

1. Menggunakan Dlib, yaitu library python , yang sudah mempunyai network

deep metric learning yang sudah dilatih pada dataset yang berisi 3 juta citra
wajah.
2. Data citra wajah yang digunakan bersumber dari teman-teman mahasiswa
penulis.
3. Web server sederhana akan digunakan untuk menampilkan nama, nrp, serta
waktu absensi dari wajah yang terekognisi.
 Tujuan Penelitian

1. Memahami berbagai macam metode untuk mendeteksi dan merekognisi wajah.

2. Mengetahui keandalan penggunaan deep metric learning dalam merekognisi
wajah.
3. Merancang sistem absensi otomatis berbasis rekognisi wajah sederhana
menggunakan metode yang dipilih.
4. Mengetahui performa rancangan sistem untuk merekognisi wajah secara real-
time.
 Tinjauan Pustaka

• Visi Komputer
Visi komputer adalah bidang ilmiah interdisipliner yang membahas
bagaimana komputer dapat memperoleh pemahaman tingkat tinggi dari
gambar atau video digital. Dari perspektif teknik, bidang ini berupaya
mengotomatiskan tugas-tugas yang dapat dilakukan oleh sistem pengelihatan
manusia.
Tugas penglihatan komputer meliputi metode untuk memperoleh, memproses,
menganalisis dan memahami gambar digital, dan ekstraksi data dimensi tinggi
dari dunia nyata untuk menghasilkan informasi numerik atau simbolis,
misalnya dalam bentuk keputusan.
Sub-domain dari pengelihatan komputer meliputi rekonstruksi adegan, deteksi
peristiwa, pelacakan video, pengenalan objek, estimasi pose 3D,
pembelajaran, pengindeksan, estimasi gerakan, dan pemulihan gambar.
 Tinjauan Pustaka
• Machine Learning
Machine Learning merupakan sebuah metode pemrograman yang digunakan untuk memerintahkan mesin
sehingga mesin dapat belajar sendiri. Machine Learning atau disingkat dengan ML merupakan
percabangan dari Artificial Intelligence (AI) yang merupakan sebuah kecerdasan buatan yang kita buat
untuk digunakan pada suatu robot ataupun program komputer. Dengan adanya ML ini, pemrogram tidak
perlu mengetahui algoritma apa yang harus diterapkan pada permasalahan yang ia ingin selesaikan. ML ini
menggunakan data sebagai bahan untuk ia pelajari nantinya.
 Tinjauan Pustaka
• Metric Learning
Metric Learning adalah pendekatan berdasarkan metrik jarak yang bertujuan untuk
membedakan objek berdasarkan kemiripan dan ketidakmiripannya. Metric learning akan
meminimalisir jarak antara objek yang mirip dan memaksimalkan jarak antara objek yang tidak
mirip.
Hal tersebut dapat dicapai dengan membuat metrik jarak khusus untuk permasalahan tersebut
menggunakan metode pembelajaran mesin. Metrik jarak hasil pembelajaran dapat digunakan
untuk klasifikasi, clustering, dan pemberian informasi.
 Tinjauan Pustaka
• Face Recogniton Pipeline
Tinjauan Pustaka
 Metodologi
1. Studi Literatur
2. Pengumpulan dan Persiapan Data Citra Wajah
3. Evaluasi Deep Metric Learning Pada Data Citra Wajah
Pembuatan Database Hasil Evaluasi Citra Wajah
4. Perancangan Hardware dengan Raspberry Pi dan Web
Server Sederhana Untuk Menunjukan Hasil Evaluasi
5. Pengujian Program Face Recognition Pada Wajah Secara
Real-Time
6. Analisa Data dan Evaluasi
7. Penyusunan Laporan
 Jadwal Pelaksanaan
Minggu ke-
No. Kegiatan
 
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1. Studi Literatur  
                               
2. Pengumpulan dan persiapan data citra wajah  
                               

Evaluasi deep metric learning pada data dan

3.  
pembuatan database
                               

Perancangan hardware dan pembuatan web server

4.  
sederhana
                               

Pengujian program pada citra wajah secara real-

5.  
time
                               
6. Penulisan laporan  
                               
 Referensi

• Face Identification and Clustering - Scientific Figure on ResearchGate. Available from: https://www.researchgate.net/figure/Face-
Recognition-Pipeline_fig1_316538740 [accessed 7 Jun, 2020]
• P.-Y. Chen, W.-L. Chen, N.-S. Pai, M.-H. Chou, G.-S. Huang, and C.-Y. Chang, “Implement of a 6-DOF manipulator with machine
vision and machine learning algorithms,” in 2017 International Conference on Applied Electronics (AE), Pilsen, Czech Republic,
2017, pp. 1–5.
• H. Sasaki, T. Horiuchi, and S. Kato, “A study on vision-based mobile robot learning by deep Q-network,” in 2017 56th Annual
Conference of the Society of Instrument and Control Engineers of Japan (SICE), Kanazawa, 2017, pp. 799–804.
• C. Dobkin, R. Gil, and J. Marion, Causes and Consequences of Skipping Class in College, July 2007
• M. Iqbal, “Penerapan Steganografi Pada Autentikasi Biometrik,” p. 5.
• A. Bellet, A. Habrard, and M. Sebban, “A Survey on Metric Learning for Feature Vectors and Structured Data,” arXiv:1306.6709 [cs,
stat], Feb. 2014, Accessed: Jun. 08, 2020. [Online]. Available: http://arxiv.org/abs/1306.6709.
• https://www.i-scoop.eu/facial-recognition/