AbstrakTerdapat banyak metode yang digunakan untuk mengenali identitas seseorang, misalkan nomor unik, kartu identitas dan sandi rahasia. Kekurangan metode-metode tersebut antara lain, kartu dapat hilang, nomor unik dan sandi rahasia dapat terlupakan. Salah satu solusi untuk masalah ini adalah sistem identifikasi seseorang berdasarkan metode biometrik jenis fisiologis. Penelitian ini merancang sebuah sistem untuk mengidentifikasi wajah. Citra wajah diambil menggunakan kamera web kemudian diekstraksi cirinya dengan metode local binary pattern (LBP). Ciri wajah yang diperoleh diklasifikasi menggunakan support vector machine (SVM). Model terbaik SVM dibangun berdasarkan validasi silang grid search. Kernel linier terbaik dibentuk dengan LBP 8,2 u2 dan parameter C = 10 5 . Kernel radial basis function (RBF) terbaik dicapai dengan LBP 16,2 u2 dan parameter C = 10 3 dan γ = 10 2 . Berdasarkan pengujian terhadap keseluruhan citra wajah, akurasi kedua kernel adalah 96,0%. Pada pengujian lima ekspresi wajah dengan SVM kernel linier, akurasi 100,0% diperoleh untuk ekspresi sedih, netral dan mata tertutup. Sedangkan SVM kernel RBF menghasilkan akurasi 100,0% untuk ekspresi terkejut, netral dan mata tertutup. Hasil pengujian tersebut menunjukkan sistem pengenalan wajah yang dirancang telah berfungsi baik. Kata kunci: pengenalan wajah, local binary pattern, support vector machine, validasi silang grid search AbstractThere are many methods to recognize a person's identity, e.g. unique number, ID card, and password. The methods have some weaknesses, e.g. ID can be lost, unique number and password can be forgotten. One of solution to these problems is recognition system based on physiological biometric. This Research designs a system to identify human face. Face images are taken using webcam and then local binary pattern (LBP) is employed for feature extraction. The obtained face features are classified using support vector machine (SVM). The best models are built based on grid search cross validation. The best linier kernel is constructed with LBP 8,2 u2 and parameter C = 10 5 . The best radial basis function (RBF) kernel is achieved with LBP 16,2 u2 and the parameters C = 10 3 and γ = 10 2 . Test to all images using both kernels produces an accuracy of 96.0%. In test based on five facial expressions shows that linier kernel achieves an accuracy of 100,0% in sad, neutral and closed eyes and RBF kernel obtains an accuracy of 100,0% for shocked, neutral and closed eyes. The results of these tests show that the face recognition system works well. keywords: face recognition, local binary pattern, support vector machine, grid search cross validation.

No abstract

AbstrakKemajuan teknologi yang berkembang pesat dan semakin meluas saat ini tidak dapat dicegah. Hal ini sejalan dengan perkembangan penggunaan internet untuk mencakup kebuutuhan sehari hari. Salah satu implementasi yang berkembang di masyarakat ialah aplikasi smart city. Dalam konsep pengembangan yang lebih kecil, smart city dapat di terapkan pada sebuah kampus guna memudahkan sistem manajemen kampus yang disebut smart campus atau kampus pintar. Smart campus memiliki berbagai macam fitur yang diterapkan, salah satunya smart open parkir. Fitur tersebut digunakan untuk menganalisa jumlah kendaraan yang keluar masuk pada area parkir terbuka di sekitar kampus. Masalah yang sedang dihadapi pada area parkir tebuka adalah sistem penghitungan jumlah kendaraan yang terparkir yang masih dilakukan secara manual, sehingga masyarakat kampus kesulitan untuk menentukan tempat parkir kendaraannya. Dalam penelitian ini dirancang suatu sistem yang dapat menghitung jumlah kendaraan yang melintasi area parkir tebuka. Masukan sistem berupa video yang diperoleh dari kamera. Metode deteksi gerakan yang digunakan adalah background subtraction dengan algoritma gaussian mixture model. Sistem ini menggunakan Raspberry Pi sebagai komputer mini yang diaktifkan dengan pemberian catu daya yang bersumber dari panel surya. Adanya raspberry pi beserta komponen-komponen pelengkapnya seperti kamera sebagai media pengambilan video yang dimonitoring secara otomatis merupakan ciri dari IoT. AbstractTechnological advances are growing rapidly and are increasingly widespread at this time can not be prevented. This is in accordance with the development of internet usage for daily needs. One implementation that has developed in the community is the smart city application. In a smaller development concept, smart city can be applied to a campus to facilitate the campus management system called smart campus or smart campus. Smart campus has a variety of features that can be applied, one of them is smart open parking. This feature is used to analyze the number of vehicles in and out of the open parking area around the campus. The problem that is often encountered in the open parking area is the system of calculating the number of parked vehicles that are still done manually, so that the campus community has difficulty determining the parking space of the vehicle. In this study a system that can calculate the number of vehicles that cross the open parking area is designed. Input system is a videos obtained from the camera. The motion detection method used is background subtraction with a gaussian mixture model algorithm. This system uses Raspberry Pi as a mini computer that is activated by providing a power supply sourced from solar panels. The presence of raspberry pi and its complementary components such as a camera as a video monitoring media that is automatically monitored is a feature of IoT.

AbstrakEcommerce memberikan pengalaman baru dalam transaksi jual beli produk. Kemudahan dalam memilih produk dengan harga bersaing menjadi daya tarik tersendiri bagi pembeli. Perkembangan ecommerce juga memberi solusi bagi pelaku usaha membuka pasar lebih luas dengan penerapan beberapa aplikasi dan layanan yang membantu pelaku usaha dalam mengelola sumber daya bisnis. Di sisi lain, penerapan ecommerce bagi pelaku usaha belum optimal. Hal ini disebabkan aplikasi ecommerce pada umumnya lebih relevan kepada usaha yang memiliki proses bisnis yang mapan dengan modal besar, sehingga pelaku bisnis pemula enggan menggunakan karena proses bisnis yang ditawarkan tidak relevan dan cenderung sulit untuk diterapkan. Ketersediaan SDM dan peralatan pendukung juga menjadi kesulitan tersendiri untuk memulai pengelolaan bisnis berbasis teknologi informasi dan komunikasi. Dari hal tersebut diatas, maka perlu dibangun sistem Cloud Marketplace dengan mengembangkan entitas ecommerce yang sudah ada. Dengan menggunakan sistem Cloud Marketplace, kolaborasi antar pelaku usaha dapat meningkatkan daya saing produk dan calon pembeli lebih mudah dalam menemukan produk berkualitas. Melalui sistem ini pelaku usaha dapat mengelola sumber daya bisnis yang meliputi pengelolaan stok barang, pemasaran dan keuangan. Proses tersebut berjalan online sehingga dapat diakses di mana saja dan kapan saja. Kemudahan akses dan kemudahan penggunaan fitur bisnis yang akan memudahkan pelaku usaha dalam pengelolaan sumber daya bisnis. AbstractEcommerce provides a new experience in buying and selling products. Ease in choosing a competitively priced product to attract buyers. The development of ecommerce also provides solutions for business actors to open a wider market by implementing several applications and services that help business actors in managing business resources. On the other side, the implementation of ecommerce for business actors is not yet optimal. This is because ecommerce applications are generally more relevant to businesses that have established business processes with large capital, so that beginners are reluctant to use because the business processes offered are irrelevant and tend to be difficult to implement. The availability of human resources and supporting equipment is also a difficulty to start business management based on information and communication technology. From the above, it is necessary to build a Cloud Marketplace system by developing an existing ecommerce entity. By using the Cloud Marketplace system, collaboration between business actors can improve the competitiveness of products and prospective buyers easier in finding quality products. Through this system business actors can manage business resources that include stock management, marketing and finance. The process runs online so it can be accessed anywhere and anytime. Ease of access and ease of use of business features that will facilitate business actors in managing business resources.

AbstrakWajah merupakan salah satu identitas bagi setiap individu pada sistem biometrik. Wajah merupakan ciri unik dari setiap manusia yang dapat membedakan rupa antar manusia. Berbeda dengan manusia yang dapat mengenali wajah dengan mudah dan cepat, komputer tidak secepat dan semudah manusia. Pada komputer diperlukan suatu algoritme dalam pengenalan wajah. Pada Penelitian ini, dirancang suatu sistem pengenalan wajah menggunakan kamera web dan OpenCV yang terpasang pada Raspberry Pi 3 Model B. Masukan sistem berupa video real-time yang diperoleh dari kamera web. Metode yang digunakan pada pendeteksian wajah adalah metode Viola-Jones dan dalam pengenalan wajah digunakan metode eigenface dan jarak euclidean. Terdapat 5 responden yang diambil citra wajahnya sebagai database. Hasil yang diperoleh dari sistem ini adalah nama dari setiap responden yang terdapat pada database. Berdasarkan hasil pengujian pada kondisi dalam ruangan dihasilkan rata-rata akurasi sebesar 99,8%, sedangkan pada kondisi luar ruangan dihasilkan rata-rata akurasi sebesar 93,8%. Pada pengujian citra wajah yang diberi derau salt & pepper dengan kepadatan derau 0,001 dan 0,01 didapatkan bahwa program mampu mengenali wajah dengan benar. Program mampu mengenali wajah dengan benar pada citra yang dirotasi sebesar 10 derajat.Kata kunci: Pengenalan wajah, algoritme eigenface, jarak euclidean, metode Viola Jones, OpenCV, Raspberry Pi. AbstractFacial recognition is one of the biometric systems. Face is the hallmark of every human being who can distinguish between human beings. Face recognition is widely used for identification systems on security systems and attendance machines. In this Research, designed a face recognition system using web camera and OpenCV mounted on Raspberry Pi 3 Model B. Input system of video obtained from camera. The method used on face detection is Viola-Jones method and in face recognition used eigenface and euclidean distance. Face image capture of 55 images from 5 people using web camera. The image is stored in a folder as a database. The result obtained from this system is the name of each respondent in the database. In the test also performed a system endurance test against salt & pepper and image rotation attacks. Based on the test result on indoor condition, the average value of accuracy is 99,8% and in outdoor condition, the average value of accuracy is 93,8%. Based on the image test of salt & pepper attack it was found that the program was able to correctly recognize the face at 0.001 and 0.01 noise density. Image testing against rotational attacks found that the program is only able to detect faces on rotated images of 10, 15, and 20 degrees. The program is not resistant to rotational attacks so it goes wrong recognizing the face.