Perancangan Sistem Presensi Face Recognition Dengan Menggunakan Metode Haar Cascade Object Detection
DOI:
https://doi.org/10.33998/jakakom.2025.5.1.2205Kata Kunci:
Presensi, Face Recognition, Covid-19, Pandemi, Perkembangan TeknologiAbstrak
Presensi yang dilakukan dengan manual dirasa kurang efektif penerapannya dalam masa pandemi covid-19. Ini dirasa dapat mengurangi perlindungan kesehatan terhadap pekerja hingga ruang lingkup sekitarnya dikarenakan dilakukan secara langsung dengan menyentuh alat presensi. Sebagai tanggapan dari permasalahan yang dibahas, salah satu caranya adalah dengan merancang sistem presensi face recognition ini. Dengan presensi face recognition ini para orang yang ingin melakukan presensi tidak lagi melakukannya secara manual. Sistem dapat merekam data apabila wajah orang yang melakukan presensi dihadapkan ke kamera. Tak hanya itu, perancangan sistem ini juga bertujuan sebagai landasan dalam mewujudkan perkembangan teknologi pada lingkungan sekitar. Hasil pengujian pada sistem didapatkan bahwa sistem dapat mengenali wajah yang melakukan presensi adalah dengan waktu rata – rata sebesar 1.693 detik dari nilai akurasi yang telah ditentukan.
Unduhan
Referensi
Bastian Indra. 2013. Akuntansi Yayasan dan Lembaga Publik. Yogyakarta: Erlangga
Dodi R. Setiawan & Yulianti 2017. Pengaruh Absensi Fingerprint Terhadap Disiplin Kerja Karyawan Pada PT. Sanbio Laboratories Gunung Putri Kabupaten Bogor. Volume 14, No, 01
DqLab. “Kenali Penggunaan Computer Vision dalam Data Science” Internet :https://dqlab.id/kenali-penggunaan-computer-vision-dalam-data-science. Diupdate 12 april 2022 [diakses 20 desember 2022]
Dawson-Howe, Kenneth. 2014. “A practical introduction to computer vision with OpenCV,” John Wiley & Sons.
Adithya. Yanuar. “Pengenalan Deep Learning” Internet: https://machinelearning.mipa.ugm.ac.id/2018/06/10/pengenalan-deep-learning/. Diupdate 10 juni 2018. [diakses 20 desember 2022]
Matthew A. Turk and Alex P. Pentland. 2013. Face Recognition Using Eigen faces. IEEE, pp.586-591, 1991.
S. Kusmanto 2014. Jaringan Syaraf Tiruan Backpropagation untuk Pengenalan Wajah Metode Ekstraksi Fitur Berbasis Histogram. Jurnal EECCIS Vol. 8, No. 2,
Maryana, Sufiatul. "PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRASFORMASI WAVELET." Komputasi 9.1 (2013): 35-44.
Wuryandari, M. D., & Afrianto, I. (2013). Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah. Jurnal Komputer Dan Informatika, 1(1), 45–51.
Nurjabar, Ilham, and Muhamad Nicky. "Metode Pendeteksi Masker Menggunakan Metode Haar Cascade, Guna Meminimalisir Penularan Covid-19." INTECOMS: Journal of Information Technology and Computer Science 5.1 (2022): 49-55.
Suhepy Abidin. “Deteksi Wajah Menggunakan Metode Haar Cascade Classifier Berbasis Webcam Pada Matlab” Internet : http://jurnal.poliupg.ac.id/index.php/JTE/article/view/2102. Diupdate 2018 [diakses 20 desember 2022]
Ilham. 2021. “Perancangan Sistem Pendeteksian Pelanggaran Physical Distancing Di Masa Pandemi Covid-19 Dengan Menggunakan Metode Yolo Object Detection. Tugas Akhir. Jambi
Septyanto, Moh Wahyu, et al. "Aplikasi Presensi Pengenalan Wajah Dengan Menggunakan Algoritma Haar Cascade Classifier." Telematika: Jurnal Informatika dan Teknologi Informasi 16.2 (2020): 87-96.
Thariq, Ahmad, and Rizki Yusliana Bakti. "Sistem Deteksi Masker dengan Metode Haar Cascade pada Era New Normal COVID-19." JUSTIN (Jurnal Sistem dan Teknologi Informasi) 9.2 (2021): 241-244.
Santoso, Banu, and Ryan Putranda Kristianto. "Implementasi Penggunaan Opencv Pada Face Recognition Untuk Sistem Presensi Perkuliahan Mahasiswa." Sistemasi: Jurnal Sistem Informasi 9.2 (2020): 352-361.
Buana, I. Komang Setia. "Deteksi Gerakan Kepala Dan Kedipan Mata Dengan Haar Cascade Classifier Contour Dan Morfologi Dalam Pengoperasian Komputer Untuk Kaum Difable." JURTEKSI (Jurnal Teknologi dan Sistem Informasi) 5.1 (2018): 29-36.
Muhammad Apriansyah,”Analisis dan Perancangan Sistem” Diupdate 13 desember 2016.
