Penerapan Face Recognition Pada Aplikasi Akademik Online

Penulis

  • Budi Tri Utomo Universitas Nasional
  • Iskandar Fitri Informatika, Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional
  • Eri Mardiani Informatika, Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional

DOI:

https://doi.org/10.52958/iftk.v16i3.2259

Kata Kunci:

Akademik Online, Face Recognition, Haar Cascade Clasifier, Local Binary Pattern Histogram, OpenCV

Abstrak

Di era big data seperti sekarang ini, proses identifikasi biometrik berkembang dengan sangat cepat dan semakin banyak diimplementasikan pada banyak aplikasi. Teknologi pengenalan wajah memanfaatkan kecerdasan artificial intelligence (AI) untuk mengenali wajah. Didalam penelitian ini diajukan sebuah perancangan sistem login akademik online di Universitas Nasional dengan memanfaatkan face recognition secara real time yang berbasis OpenCV dengan algoritma Local Binary Pattern Histogram, dan metode Haar Cassade Clasifier. Sistem akan mendeteksi, mengenali dan menbandingkan wajah yang tertangkap kamera dengan database wajah yang tersimpan. Citra gambar wajah yang digunakan berukuran 480 x 680 pixel berekstensi .jpg dalam bentuk citra RGB yang akan dirubah menjadi citra Grayscale, untuk mempermudah perhitungan nilai histrogram dari setiap wajah yang akan dikenali. Dengan pemodelan sistem seperti ini diharapkan dapat mempermudah mahasiswa untuk login ke akademik online.

Biografi Penulis

Budi Tri Utomo, Universitas Nasional

Mahasiswa Universitas Nasional

Referensi

Wiryadinata, R., Istiyah, U., Fahrizal, R., Priswanto, P., & Wardoyo, S. (2017). Sistem Presensi Menggunakan Algoritme Eigenface dengan Deteksi Aksesoris dan Ekspresi Wajah. Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), 6(2).

Efendi, J., Zul, M. I., & Yunanto, W. (2017). Real Time Face Recognition using Eigenface and Viola-Jones Face Detector. JOIV: International Journal on Informatics Visualization, 1(1), 16-

Suhery, Cici. dkk. (2017). Identifikasi Wajah Manusia untuk Sistem Monitoring Perkuliahan menggunakan Ekstrasi Fitur Principal Component Analysis (PCA). Jurnal Edukasi dan Penelitian Informatika (JEPIN). 1 (1), 9-15.

Hidayatullah, Priyanto. (2017). Pengolahan Citra Digital Teori dan Aplikasi Nyata. Bandung:Informatika.

Andono, P.N. dkk. (2017). Pengolahan Citra Digital. Semarang: Andi.

Mardiani, Eri, Nur Rahmansyah, Hendra Kurniawan, Dana Indra Sensuse, Jayanta. 2016. Kumpulan Latihan SQL, Jakarta : Elex Media Komputindo

Abhirawa, H., Jondri, & Arifianto, A. (2017). Face recognition using convolutional neural network. e-Proceeding of Engineering, 4(3), 4907.

O’Shea, K., & Nash, R. (2015). An Introduction to convolutional neural networks. arXiv:1511.08458v2 [cs.NE], 2 December.

E. Wahyudi, H. Kusuma, and Wirawan, “Perbandingan Unjuk Kerja Pengenalan Wajah Berbasis Fitur Local Binary Pattern dengan Algoritma PCA dan Chi Square,” pp. 3–8, 2011.

Unduhan

Diterbitkan

2020-12-31

Terbitan

Vol 16 No 3 (2020): Desember 2020

Bagian

Article

Lisensi

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).