SISTEM PRESENSI MAHASISWA SECARA REAL-TIME DENGAN EKSTRAKSI FITUR WAJAH MENGGUNAKAN METODE LOCAL BINARY PATTERN
Author (Penulis)
AKHMAD LATHIIFU SHIYAMUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.02.0121Abstract
Presensi adalah salah satu faktor penting dalam dunia pendidikan salah satunya kegiatan perkuliahan di perguruan tinggi. Berdasarkan dialog penulis dengan Admin Prodi Teknik Informatika, dalam kegiatan belajar mengajar dalam kelas diperlukan adanya sistem presensi mahasiswa untuk melakukan pengawasan terhadap kehadiran mahasiswa dan menilai keaktifan mahasiswa pada setiap perkuliahan yang diadakan. Saat ini Universitas Nusantara PGRI Kediri khususnya pada Prodi Teknik Informatika dalam melakukan presensi mahasiswa masih menggunakan metode manual yaitu dengan tanda tangan pada buku jurnal perkuliahan yang disediakan untuk setiap mata kuliah. Metode ini memiliki kelemahan yaitu rawan terjadinya kecurangan mahasiswa yang menitipkan presensi kehadiran atau memalsukan tanda tangan pada mahasiswa lainnya. Tujuan penelitian ini adalah Membuat dan mengimplementasikan aplikasi Sistem Presensi Mahasiswa Secara Real-Time dengan Ekstraksi Fitur Wajah Menggunakan Metode Local Binary Pattern. Permasalahan dalam penelitian ini adalah Bagaimana merancang dan mengimplementasikan Sistem Presensi Mahasiswa Secara Real-Time dengan Ekstraksi Fitur Wajah Menggunakan Metode Local Binary Pattern ? Hasil dari penelitian ini adalah sebuah aplikasi identifikasi wajah berdasarkan keakuratan aplikasi ini cukup baik yaitu mencapai 82,72% dengan data latih sebanyak 33 wajah. Diharapkan aplikasi ini dapat digunakan secara maksimal dan diharapkan juga dapat dikembangkan dengan metode lain agar lebih akurat.
Keyword
aReference
Amat, Rabiuldien., Sari, Jayanti Yusmah. & Ningrum, Ika Purwanti. 2017. Implementasi Metode Local Binary Patterns untuk Pengenalan Pola Huruf Hiragana dan Katakana Pada Smartphone. Jurnal Ilmiah Teknologi Informasi, 15(2): 162 – 172.
Biglari, M., Mirzaei, F., & Neycharan, J. G. 2014. Persian/Arabic handwritten digit recognition using local binary patterns. International Journal of Digital Information and Wireless Communications (IJDIWC), 4(4), 486-492.
Kurniawardhani, Arrie., Suciati, Nanik. & Arieshanti, Isye. 2014. Klasifikasi Citra Batik Menggunakan Metode Ekstraksi Ciri yang Invariant Terhadap Rotasi. Jurnal Ilmiah Teknologi Informasi, 12 (2): 48 – 60.
Ojala, T., Pietikainen, M., & Maenpaa, T. 2002. Multiresolution gray-scale and rotation invariant texture classifi-cation with local binary patterns. IEEE Transactions on pattern analysis and machine intelligence, 24(7), 971-987.
Purwati, Ratih. & Ariyanto, Gunawan. Pengenalan Wajah Manusia Berbasis Algoritma Local Binary Pattern. Jurnal Emitor, 17 (2): 29-38.
Putra, Rendy Rian Chrisna. & Juniawan, Fransiskus Panca. 2017. Penerapan Algoritma Fisherfaces untuk Pengenalan Wajah pada Sistem Kehadiran Mahasiswa Berbasis Android. Jurnal Telematika, 10 (1): 132-146.
