Face Identification For Presence Applications Using Violajones and Eigenface Algorithm

Abstract

Sistem presensi merupakan hal yang sangat penting di dalam suatu lingkup kerja, seperti perkantoran, sekolah, maupun universitas. Sistem presensi saat ini telah berkembang dalam berbagai jenis, diantaranya sistem presensi secara manual, barcode, sidik jari, iris mata dan pengenalan wajah. Saat ini telah rata-rata perusahaan telah menggunakan sistem presensi fingerprint. Sistem presensi menggunakan sidik jari ini masih memiliki kekurangan dan kelemahan yang disebabkan human error, seperti scansidik jari sulit diterima. Hal ini bisa dikarenakan kondisi jari yang tidak normal, seperti basah, kotor, terlalu kering, maupun ujung jari terkelupas. Dengan adanya perkembangan teknologi mobile saat ini, maka diusulkan sebuah sistem presensi berbasis wajah yang akan dibangun dengan menggunakan metode Viola–Jones dan Eigenface pada smartphone. Metode Viola - Jones merupakan algoritma yang paling banyak digunakan untuk mendeteksi wajah dikarenakan metode Viola-Jones mampu mendeteksi secara real-time, cepat, efisien, dan juga mempunyai keakuratan yang sangat tinggi dalam mendeteksi wajah. Metode Viola-Jones ini menggabungkan empat kunci utama yaitu: Haar Like Feature, Integral Image, AdaBoost Learning ,dan Cascade Classifier. Algoritma Eigenface digunakan untuk melakukan identifikasi citra wajah yang terdeteksi dari suatu citra wajah dengan menggunakan Principal Component Analysis (PCA). Setelah dilakukan pengujian, aplikasi presensi wajah yang diusulkan mampu menghasilkan tingkat akurasi sebesar 90,90%.

Automatic Presence Design in Virtual Class Using Convolution Neuron Network (CNN)

“…However, it explains how to take facial images and explains the KNN method. Furthermore, research by [10] explains the use of the Viola-Jones image processing method and Principal Component Analysis (PCA), the results of the study show a success rate of 90.90%.…”

Masked Face Detection Automation System Using Mask Threshold and Viola Jones Method

“…Then this image was used to obtain haar features and obtained face detection accuracy of 90.90%. It is different from (Kirana & Isnanto, 2016), which uses PCA for image segmentation to obtain haar features, and the result of face detection is 90.90%. Likewise (Suhery & Ruslianto, 2017) use PCA for facial image segmentation, and the accuracy of the face detection model is 90%.…”

“…In addition to the several methods that have been presented, the face detection method with haar cascade is quite popular, including those used by (Budiman, 2021); Formatting Citation; Nono Heryana, Rini Mayasari, 2020;Abidin, 2018;Utaminingrum et al, 2017;Javed Mehedi Shamrat et al, 2021;Padilla et al, 2012;Minu et al, 2020;Poorvi Taunk, G. Vani Jayasri, Padma Priya J, 2020;Braganza et al, 2020). Almost all of these studies use binary images obtained by applying a certain threshold value with an accuracy rate of 90% (Kirana & Isnanto, 2016;Suharso, 2017;Suhery & Ruslianto, 2017).…”