Dharma, Fitrahadi Surya (2018) Rekognisi Wajah Pada Sistem Smart Class Untuk Deteksi Kehadiran Mahasiswa Menggunakan Metode Viola Jones dan Local Binary Patterns Histograms (LBPH) Berbasis Raspberry. Sarjana thesis, Universitas Brawijaya.
Abstract
Rekognisi wajah merupakan salah satu teknik di dalam computer vision yang mampu mengenali wajah seseorang dari sebuah gambar. Penerapan rekognisi wajah ke dalam sistem presensi menjadi begitu penting mengingat masih ditemukannya kasus manipulasi data kehadiran oleh para mahasiswa di dalam sistem presensi yang menggunakan cara manual – pengisian tanda tangan pada lembar presensi. Kurang ketatnya pengawasan di dalam pengisian lembar presensi menjadi peristiwa yang rentan terhadap kasus pemanipulasian data kehadiran. Oleh karenanya di dalam penelitian ini mencoba untuk menghadirkan sebuah sistem presensi yang memanfaatkan gambar untuk mengetahui kehadiran mahasiswa. Caranya adalah dengan mengambil gambar menggunakan kamera yang di letakan di depan kelas, tepat di atas papan tulis menghadap ke arah mahasiswa. Dari gambar yang di ambil, sistem kemudian akan mendeteksi wajah mahasiswa dengan menggunakan metode Viola Jones dari OpenCV library yang dipadukan dengan deteksi piksel warna kulit YCbCr untuk menghindari deteksi palsu. Dan untuk pengenalan wajah mahasiswa akan dilakukan menggunakan metode Local Binary Patterns Histograms dari OpenCV library. Hasil akurasi yang diperoleh sistem menunjukkan tingkat akurasi pendeteksian sebesar 82,33% dan akurasi pengenalan sebesar 50,83% di waktu pagi, 61,11% di waktu siang, dan 58,89% di waktu malam. Rata-rata total waktu komputasi untuk deteksi satu mahasiswa adalah 0,293 detik, dua mahasiswa 0,297 detik, tiga mahasiswa 0,317 detik, empat mahasiswa 0,313 detik, lima mahasiswa 0,31 detik dan enam mahasiswa 0,307 detik. Sedangkan rata-rata total waktu komputasi pengenalan wajah untuk satu mahasiswa sebesar 2,17 detik, dua mahasiswa 2,58 detik, tiga mahasiswa 3,01 detik, empat mahasiswa 3,38 detik, lima mahasiswa 3,78 detik, dan enam mahasiswa 4,12 detik.
English Abstract
Facial recognition is one of the techniques in computer vision that is able to recognize a person's face from an image. The application of face recognition into the presence system is very important considering that there are still cases of attendance data manipulation by students in the presence system using manual - filling signatures on the attendance sheet. Lack of tight supervision in filling attendance sheets is an event that is vulnerable to cases of manipulating attendance data. Therefore in this study try to present a presence system that uses images to find out the presence of students. The trick is to take pictures using a camera that is placed in front of the class, just above the blackboard facing the student. From the images taken, the system will then detect the faces of students using the Viola Jones method of the OpenCV library combined with YCbCr skin color pixel detection to avoid false detection. And for face recognition students will be using the Local Binary Patterns Histograms method from the OpenCV library. Accuracy results obtained by the system showed the level of detection accuracy of 82.33% and recognition accuracy of 50.83% in the morning, 61.11% during the day, and 58.89% at night. The average total computing time for the detection of one student is 0.293 seconds, two students 0.297 seconds, three students 0.317 seconds, four students 0.313 seconds, five students 0.31 seconds and six students 0.307 seconds. While the average total face recognition computing time for one student is 2.17 seconds, two students 2.58 seconds, three students 3.01 seconds, four students 3.38 seconds, five students 3.78 seconds, and six students 4 .12 seconds.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/1084/051901285 |
Uncontrolled Keywords: | rekognisi wajah, local binary patterns histograms, viola jones, smart class, sistem presensi-face recognition, local binary patterns histograms, viola jones, smart classes, presence system |
Subjects: | 300 Social sciences > 371 Schools and their activities; special education > 371.2 School administration; administration of student academic activities |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | soegeng sugeng |
Date Deposited: | 15 Apr 2020 08:31 |
Last Modified: | 18 May 2022 02:11 |
URI: | http://repository.ub.ac.id/id/eprint/166954 |
Text
Fitrahadi Surya Dharma.pdf Download (5MB) |
Actions (login required)
View Item |