Implementasi Metode Principal Component Analysis untuk Sistem Pengenalan Wajah
Sari
Teknologi dimasa pandemic saat ini sangat dibutuhkan dalam berbagai bidang khususnya proses belajar mengajar yang dilaksanakan oleh hampir seluruh jenjang pendidikan, khususnya jenjang pendidikan tinggi. Namun pada kenyataannya mahasiswa justru tidak menggunakan media tersebut secara optimal bahkan menurut artikel dari jurnal berjudul “Penilaian dan Evaluasi Pendidikan Tingkat Tinggi yang dikeluarkan pada 30 September 2019” Jasa joki online dikalangan mahasiswa sudah berkembang menjadi bisnis global. Untuk mengatasi permasalahan tersebut diatas peneliti memanfaatkan teknologi Biometrics Authentication and Recognition. Dalam penelitian ini permasalahan yang diangkat yaitu bagaimana melakukan pengenalan wajah mahasiswa dalam sistem absensi di elearning yang digunakan untuk mendeteksi wajah mahasiswa untuk dapat mengakses sistem elearning tersebut. Pada penelitian yang dilakukan penulis saat ini dilakukan dengan menggunakan metode Principal Component Analysis menggunakan pengukuran jarak Euclidean untuk mencari kemiripan ciri suatu citra serta menghasilkan nilai maksimum dan minimum dari 50 citra yang diuji, sehingga akan diperoleh output wajah yang dikenali dan tidak dikenali, maka menghasilkan min distance terkecil sebesar 0.832% dari citra wajah Baijingting dan min distance terbesar dari citra wajah Aidai dengan jarak sebesar 0.973%.
Teks Lengkap:
PDFReferensi
Anam, M. K. (2018). Metode Eigenface / Principle Component Analysis ( PCA ) Untuk Identifikasi Wajah Manusia. 6(2), 82–88.
AZANI CEMPAKA SARI, S.KOM., M. T. . (2018). Biometrics Authentication and Recognition. https://socs.binus.ac.id/2018/11/29/biometrics-authentication-and-recognition/
Budi, A., Suma’inna, S., & Maulana, H. (2018). Pengenalan Citra Wajah Sebagai Identifier Menggunakan Metode Principal Component Analysis (PCA). Jurnal Teknik Informatika, 9(2), 166–175. https://doi.org/10.15408/jti.v9i2.5608
Dalkiran, M. (2020). Real World Fasked Face Recognition Dataset (RMFRD). https://www.kaggle.com/muhammeddalkran/masked-facerecognition?select=AFDB_masked_face_dataset
Fauzan, A. (2019). Mahasiswa Indonesia di Universitas Australia Gunakan Layanan Joki Bikin Tugas Kuliah. https://kabarkampus.com/2019/10/mahasiswa-indonesia-di-universitas-australia-gunakan-layanan-joki-bikin-tugas-kuliah/
Haryanto. (2020). Evaluasi pembelajaran; Konsep dan Manajemen. In UNY Press.
Kurniawan, V., Wicaksana, A., & Prasetiyowati, M. I. (2017). The implementation of eigenface algorithm for face recognition in attendance system. Proceedings of 2017 4th International Conference on New Media Studies, CONMEDIA 2017, 2018-Janua, 118–124. https://doi.org/10.1109/CONMEDIA.2017.8266042
Nugraheny, D. (2017). Metode Nilai Jarak Guna Kesamaan Atau Kemiripan Ciri Suatu Citra (Kasus Deteksi Awan Cumulonimbus Menggunakan Principal Component Analysis). Angkasa: Jurnal Ilmiah Bidang Teknologi, 7(2), 21. https://doi.org/10.28989/angkasa.v7i2.145
Suhery, C., & Ruslianto, I. (2017). Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA). Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 3(1), 9. https://doi.org/10.26418/jp.v3i1.19792
Wahyu Mulyono, I. U., Ignatius Moses Setiadi, D. R., Susanto, A., Rachmawanto, E. H., Fahmi, A., & Muljono. (2019). Performance Analysis of Face Recognition using Eigenface Approach. Proceedings - 2019 International Seminar on Application for Technology of Information and Communication: Industry 4.0: Retrospect, Prospect, and Challenges, ISemantic 2019, 12–16. https://doi.org/10.1109/ISEMANTIC.2019.8884225
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), 222–229. https://doi.org/10.22146/jnteti.v6i2.319
Yeung, D., Balebako, R., Gutierrez Gaviria, C., & Chaykowsky, M. (2020). Face Recognition Technologies: Designing Systems that Protect Privacy and Prevent Bias. In Face Recognition Technologies: Designing Systems that Protect Privacy and Prevent Bias. https://doi.org/10.7249/rr4226
DOI: https://doi.org/10.31294/infortech.v3i2.11786
DOI (PDF): https://doi.org/10.31294/infortech.v3i2.11786.g5153
Refbacks
- Saat ini tidak ada refbacks.
