Rancang Bangun Mesin Presensi berbasis Metode Pengenalan Wajah HoG berbantuan Proses Klasifikasi Linear SVM

Samuel Matthew; Ferry Rippun Gideon Manalu; Nova Eka Budiyanta

doi:10.30591/jpit.v7i1.2843

Rancang Bangun Mesin Presensi berbasis Metode Pengenalan Wajah HoG berbantuan Proses Klasifikasi Linear SVM

Samuel Matthew, Ferry Rippun Gideon Manalu, Nova Eka Budiyanta

Abstract

Di dalam daerah perkantoran, salah satu benda yang sering disentuh adalah alat presensi/pencatat kehadiran. Studi ini bertujuan untuk menerapkan sistem presensi berbasis metode pengenalan wajah menggunakan Raspberry Pi dan kamera dilengkapi dengan sensor pendeteksi suhu tubuh berbantuan aplikasi web. Pendekatan pengenalan wajah yang dilakukan dalam studi ini adalah Histogram of Oriented Gradients (HoG) didukung dengan linear Support Vector Machine (SVM). Hasil yang didapatkan dalam studi ini berupa sebuah mesin presensi yang mampu mengenali wajah pengguna yang sudah terdaftar dengan tingkat akurasi sebsar 98% pada 43,02 frame per detik (idle) dan 2,90 frame per detik (aktif) dengan menggunakan dataset berisikan 20 data tiap wajah (20 data x 20 wajah = 400 data). Sensor yang digunakan dapat mengukur suhu dengan akurasi ±0,5°C. Daftar kehadiran dapat diakses oleh pihak yang berkepentingan melalui situs web yang menampilkan data dari basis data. Untuk menanggulangi kesalahan sistem pada saat uji coba, presensi secara manual dapat dilakukan melalui aplikasi berbasis web.

Keywords

Pengenalan Wajah, Histogram of Oriented Gradients, Linear Support Vector Machine, OpenCV, Raspberry Pi, Sistem Presensi

Full Text:

References

World Health Organization. 12 Oktober 2020. Coronavirus Disease (COVID-19), (Online), (https://www.who.int.emergencies/disease/nov

el-coronavirus-2019/question-and-answers-hub/q-a-detail/coronavirus

-disease-covid-19#:~:text=symptoms, diakses 18 Maret 2021)

Dewi, R. K. 14 April 2020. Mengenal Apa Itu PSBB, Aturan, Daerah yang Menerapkan hingga Sanksinya (Online), (https://www.

kompas.comtren/read/2020/04/14/093800065/mengenal-apa-itu-psbb-aturan-daerah-yang-menerapkan-hingga-sanksinya, diakses 18 Maret 2021)

Bhatta, D. R., et. al. 2018. “Bacterical Contamination of Frequently Touched Objects in a Tertiary Care Hospital of Pokhara”, Nepal: How Safe Are Out Hands? Antimicrob Resist Infect Control.

S. Kaushik, A. Raman and K. V. S. Rajeswara Rao, "Leveraging Computer Vision for Emergency Vehicle Detection-Implementation and Analysis," 2020 11th International Conference on Computing, Communication and Networking Technologies (ICCCNT), 2020, pp. 1-6, doi: 10.1109/ICCCNT49239.2020.9225331.

N.E. Budiyanta, M. Mulyadi., H. Tanudjaja, 2021 “Sistem Deteksi Kemurnian Beras berbasis Computer Vision dengan Pendekatan Algoritma YOLO”, Jurnal Informatika: Jurnal pengembangan IT (JPIT), Vol.6, No.1, Januari 20211 pp. 51-55.

Z. Feng, X. Zhu, L. Xu and Y. Liu, 2021, "Research on Human Target Detection and Tracking Based on Artificial Intelligence Vision," 2021 IEEE Asia-Pacific Conference on Image Processing, Electronics and Computers (IPEC), 2021, pp. 1051-1054, doi: 10.1109/IPEC51340.2021.9421306.

N. Rahayu, Fauziah, N. Hayati.” Online Attendance System Design to Reduce the Potential of Covid-19 Distribution”. Jurnal Manajemen, Teknologi Informatika dan Komunikasi (MANTIK) Vol. 4 No. 1, May 2020, pp. 921-925

S. P. Dhawale, 2021, “Human Face with Mask Detection and Recognition for Smart Attendance System in a Pandemic Scenario”, International Journal of Research in Engineering and Science (IJRES) Volume 9 Issue 7, pp. 68-70.

R. S. Kumar, A. Rajendran, V. Amrutha and G. T. Raghu, 2021, "Deep Learning Model for Face Mask Based Attendance System in the Era of the Covid-19 Pandemic," 2021 7th International Conference on Advanced Computing and Communication Systems (ICACCS), pp. 1741-1746, doi: 10.1109/ICACCS51430.2021.9441735.

Pressman, R. S. 2015. “Rekayasa Perangkat Lunak”. Yogyakarta: Andi.

Chen, G., et. al. 2020. “Validity of Wrist and Forehead Temperature in Temperature Screening in the General Population During the Outbreak of 2019 Novel Coronavirus: A Prospective Real-World Study”. MedRxiv. https://doi.org/10.1101/2020.03.02.20030148.

McGrath, M. 2020. HTML, CSS, & JavaScript. Inggris: In Easy Steps Limited.

Anhar. 2010. Panduan Menguasai PHP & MySQL Secara Otodidak. Jakarta: MediaKita.

Kurniawan, A. 2019. Getting Started with Raspberry Pi 4. Jakarta: PE Press.

Kadir, A. 2019. Langkah Mudah Pemrograman OpenCV & Python. Jakarta: Elex Media Komputindo.

Pajankar, A. 2020. Raspberry Pi Computer Vision Programming: Design and Implement Computer Vision Applications with Raspberry Pi, OpenCV, dan Python 3. Inggris: Packt.

Dalal, N., dan Triggs, B. 2005. Histogram of Oriented Gradients for Human Detection. 2005 IEEE Computer Society Conference on Computer Vision and Patter Recognition (CVPR'05). Halaman 886-893, doi: 20.1109/CVPR.2005.177.

Joachims, T. 1999. “Making Large-Scale SVM Learning Practical. Advances in Kernel Methods - Support Vector Learning”. Cambridge: MIT Press.

Geitgey, A. 2016. Modern Face Recognition with Deep Learning. Machine Learning is Fun (Online). Jilid 4. (https://medium.com/

@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78 , diakses 12 Maret 2021)

Viola, Paul & Jones, Michael. (2001). “Rapid Object Detection using a Boosted Cascade of Simple Features”. IEEE Conf Comput Vis Pattern Recognit. 1. I-511. 10.1109/CVPR.2001.990517.

DOI: https://doi.org/10.30591/jpit.v7i1.2843