Analisis Keefektifan Sistem Absensi Berbasis Face Detection Dengan Metode Haar Cascade Classifier
Abstract
Pada saat ini sistem absensi sangatlah penting bagi banyak instasi yang ada di kabupaten Merauke Mulai dari instasi swasta,instansi pemerintahan,sekolah dan jenjang perguruan tinggi. Oleh sebab itu di butuhnya sistem absensi yang akurat dan efektif agar dapat mengkontrol tingkat kehadiran pegawai ataupun siswa dan mahasiswa yang berada dalam satu instasi.Sehingga seiring berjalannya mulai berkembang sistem absensi yang ada,mulai dari yang awalnya hanya menggunakan sebuah kertas kini telah berkembang menjadi beberapa cara seperti menggunakan QR code pada kartu identitas,Sistem absensi dengan sidik jari(Finggerprint) ataupun dengan sistem pengenal wajah(Face recognition). Namun saat ini sistem absensi yang ada saat ini menghadapi masalah baru yaitu pandemi virus covid-19 yang menuntut agar mengurangi kontak antar sesama,karena virus tersebut menular melewati kontak langsung dengan orang yang telah terinfeksi covid-19 ataupun droplight yang pernah tersentuh oleh penderita covid-19.Maka di butuh juga saat sistem absensi yang efektif dan aman dari penyebaran covid-19, sebab itu salah satu sistem yang paling di sarankan adalah sistem absensi dengan pengenal wajah karena dapat meminimalisir kontak antar sesama pengguna. Untuk mengetahui hal tersebut membutuhkan sebuah penelitian agar mengetahui seberapa efektif sistem pengenal wajah ini. Salah satu metode yang memiliki sistem yang paling efektif adalah sistem Haar Cascade Classifier
References
[2] P. N. Taufik, Adiyatma, R. Maharaja, R. W.T. Hartono, “e-COVID: Sistem Cerdas Perekap Kehadiran Pekuliahan untuk Multikondisi,” in Prosiding The 12th Industrial Research Workshop and National Seminar Bandung, 4-5 Agustus 2021.
[3] Rahmawati, and E. M. Putri, “Learning From Home dalam Perspektif Persepsi Mahasiswa Era Pandemi Covid-19,” 2020.
[4] B. Santoso, and R. P. Kristianto, “Implementasi Penggunaan Opencv Pada Face Recognition Untuk Sistem Presensi Perkuliahan Mahasiswa,” SISTEMASI : Jurnal Sistem Informasi, Volume 9, Nomor 2, Mei 2020 : 352–361
[5] R. P. Setiono, S. R. U. A. Sompie, and M. E. I. Najoan, “Aplikasi Pengenalan Wajah Untuk Sistem Absensi Kelas Berbasis Raspberry Pi,” Jurnal Teknik Informatika Vol.15, No.3, Juli-September 2020, hal 179 – 188
[6] M. R. Muliawan, B. Irawan, and Y. Brianorman, “Implementasi Pengenalan Wajah Dengan Metode Eigenface Pada Sistem Absensi,” Jurnal Coding, Sistem Komputer Untan Volume 03, No. 1 (2015). Hal 41-50
[7] R. H. Bustomi, and T. Harianto, “Sistem Absensi Berbasis Pengenalan Wajah dengan Metode LBPH Menggunakan Raspberry Pi,” in Prosiding The 11th Industrial Research Workshop and National Seminar Bandung, 26-27 Agustus 2020
[8] F. Endrianti, W. Setiawan, and T Y. Wihardi, “Sistem Pencatatan Kehadiran Otomatis di Ruang Kelas Berbasis Pengenalan Wajah Menggunakan Metode Convolutional Neural Network (CNN),” JATIKOM: Jurnal Teori dan Aplikasi Ilmu Komputer Vol. 1, No.1; Maret 2018, hal. 40-44.
[9] Munawir, L. Fitria, M. Hermansyah., “Implementasi Face Recognition pada Absensi Kehadiran Mahasiswa Menggunakan Metode Haar Cascade Classifier,” Munawir / Infotekjar : Jurnal Nasional Informatika Dan Teknologi Jaringan- Vol. 4 No.2 (2020) Edisi Maret
[10] Viola, P and Jones, M. “Rapid object detection using a boosted cascade of simple features”. In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pages 511–518, Kauai, HI, 2001.
[11] Sharif M., "Face Recognition using Gabor Filters", Journal of Applied Computer Science & Mathematics, no. 11, Suceava, May. 2011.
[12] Hashim F. "A Face Recognition System Using Template Matching And Neural Network Classifier", 1st International Workshop on Artificial Life and Robotics, pp 1-6, 2003
[13] Freund Y. & Schapire R., “A Short Introduction to Boosting”, Journal of Japanese Sociaety for Artificial Intelegence, 14(5)- 780, September, 1999.
[14] Lienhart, R & Maydt, J. “An extended Set of Haar-like Features for Rapid Object Detection”, IEEE ICIP 2002, Vol 1, pp. 900- 903, Sep.2002.
[15] Turk, M. & Pentland, A. ”Eigenfaces for Recognition”. Journal of Cognitive Neuroscience. Vol 3, No. 1. 71-86, 1991.
[16] Laganiere, Robert, “OpenCV 2 Computer Vision Application Programming Cookbook”, Packt Publishing, 2011
