SISTIM PENGENALAN WAJAH MANAHASISWA BERBASIS SMARTPHONE ANDROID DENGAN METODE EIGENFACE (STUDI KASUS: STMIK PPKIA PRADNYA PARAMITA MALANG)

Authors

  • Feriyal Septiawan Susanto STMIK PPKIA Pradnya Paramita (STIMATA)
  • Mahmud Yunus STMIK PPKIA Pradnya Paramita (STIMATA)
  • Linda Suvi Rahmawati STMIK PPKIA Pradnya Paramita (STIMATA)

Keywords:

PENGENALAN WAJAH, SMARTPHONE ANDROID, METODE EIGENFACE

Abstract

Memasuki Revolusi Industri 4.0, maka segala hal yang berhubungan dengan teknologi pembelajaran konvensional bisa dialihkan ke pembelajaran digital. Salah satunya adalah sistim presensi. Pembelajaran digital yang akan dijadikan penelitian disini adalah mengubah metode konvensional penggunaan kertas untuk presensi ke metode digital yaitu Sistim Presensi Berbasis Android. Metode yang digunakan adalah metode Eigenface. Metode Eigenface berfungsi untuk menghitung eigenvalue dan eigenvector yang akan digunakan sebagai fitur dalam melakukan pengenalan. Metode euclidean distance digunakan untuk mencari jarak dengan data fitur yang telah didapat, dan jarak terkecil adalah hasilnya. Eigenface adalah suatu metode pengenalan wajah yang berdasarkan pada algoritma Principal Component Analysis (PCA). Data penelitian yang digunakan adalah citra digital dari wajah 20 responden mahasiswa dengan masing-masing 5 citra wajah dengan 5 perlakuan yang berbeda. Hasil pengujian tingkat keakuratan pengenalan wajah dengan metode Eigenface yang diimplementasikan pada perangkat smartphone android dalam penelitian ini, menunjukkan hasil akurasi berdasarkan posisi wajah sebesar 70%; berdasarkan tingkat pencahayaan sebesar 90%; berdasarkan mimik muka sebesar 80% dan akurasi berdasarkan atribut Kacamata pada wajah sebesar 90%. Rata-rata tingkat akurasi pengenalan wajah menggunakan metode Eigenface sebesar 80%. Performa akurasi yang cukup baik tersebut membuktikan bahwa menggunakan metode yang diusulkan dalam penelitian ini dapat menjadi metode alternatif untuk pengenalan wajah secara digital. Kata Kunci : Android, Eigenface, Pengenalan Wajah, Principal Component Analysis

Published

2020-10-12