Implementasi Algoritma SVM Dalam Pengembangan Sistem Presensi Berbasis Face Recognition
DOI:
https://doi.org/10.24076/intechnojournal.2022v4i2.1561Keywords:
Face Recognition, Presensi, Numpy Array, Support Vector Machine (SVM)Abstract
Sistem presensi Universitas Amikom Yogyakarta memiliki potensi untuk dikembangkan. Dari sistem yang sudah ada kami menemukan sebuah ide untuk meng-implementasikan face recognition dalam sistem tersebut. Sistem presensi dengan menggunakan face recognition akan lebih mempermudah mahasiswa/i untuk melakukan presensi. Mengingat permasalahan yang ada seperti menggunakan QR Code yang masih susah dideteksi pada barisan-barisan tertentu. Maka, dalam penelitian ini menggunakan metode Support Vector Machine (SVM) sebagai metode untuk klasifikasi gambar yang sudah diconvert menjadi Numpy Array dengan meng-uji coba beberapa sampel foto mahasiswa/i Universitas Amikom Yogyakarta lalu mengidentifikasi satu persatu data baru untuk mendapatkan sebuah hasil yang berupa pengenalan sebuah wajah dengan tampilan berupa identitas pengenal dari mahasiswa/i tersebut. Diakhir penelitian ini kami menemukan bahwa keakurasian face recognition dengan menggunakan metode SVM menghasilkan rata-rata 93,46% yang berarti bahwa sebuah image yang dapat diproses untuk melakukan sebuah presensi.
References
I. S. W. M. Mohamad Aditya Rahman, "Research gate," SISTEM PENGENALAN WAJAH MENGGUNAKAN
WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING, p. 1, 2010.
A. B. W. D. H. Anto Satriyo Nugroho, "Kuliah Umum IlmuKomputer.Com," Support Vector Machine –Teori dan
Aplikasinya dalam Bioinformatika1–, p. 2, 2003.
S. Heranurweni, "Prosiding SNST Fakultas Teknik UWH Semarang," PENGENALAN WAJAH MENGGUNAKAN
LEARNING VECTOR QUANTIZATION (LVQ), p. 2, 2010.
Pramono dkk, “Pembangunan Aplikasi Presensi Magang Berbasis Mobile Menggunakan Face Recognition”, Jurnal
Informatika Atmajaya, 2020
Darmansah, “PERANCANGAN ABSENSI BERBASIS FACE RECOGNITION PADA DESA SOKARAJA LOR
MENGGUNAKAN PLATFORM ANDROID”, Jurnal Teknik Informatika dan Sistem Informasi, 2021
Ceme dkk, “APLIKASI PRESENSI KEHADIRAN GURU DI SMKN PAKISJAYA BERBASIS FACE
RECOGNITION MENGGUNAKAN OPENCV”, Jurnal Indonesia : Manajemen Informatika dan Komunikasi , 2023
D. E. King, "Journal of Machine Learning Research," Dlib-ml: A Machine Learning Toolkit, p. 1, 2009.
T. &. K. J. M. Lindblad, Image Processing using Pulse-Coupled Neural Networks, Berlin, Heidelberg: Springer,
Berlin, Heidelberg, 2013, p. 20.
Religia, “FEATURE EXTRACTIONUNTUK KLASIFIKASI PENGENALAN WAJAH MENGGUNAKAN
SUPPORT VECTOR MACHINEDAN K-NEAREST NEIGHBOR”, Pelita Teknologi: Jurnal Ilmiah Informatika,
Arsitektur dan Lingkungan, 2019
Bahri dkk, “PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE (SVM) DALAM MENGENALI
WAJAH MENGGUNAKAN SURF DAN GLCM”, Jurnal Nasional Teknik Elektro, 2019
Harris dkk, “Array programming with NumPy”, Nature, vol 585, 2020
Nizar dkk, “MEMBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN
LEARNING VECTOR QUANTIZATION DENGAN OPENCV PADA PENGENALAN WAJAH”, Jurnal Riset
Runpun Ilmu Teknik, 2022
Parahana, “Identifikasi Kualitas Kesegaran Susu Kambing Melalui Pengolahan Citra Digital Menggunakan Metode
Learning Vector Quantization (LVQ)”, Sci-Tech Journal,2022
Rasyid dkk, “Digital Image Processing for Detecting Industrial Machine Work Failure with Quantization Vector
Learning Method”, Jurnal Pekomnas, 2019
Boyko et.all, “Performance Evaluation and Comparison of Software for Face Recognition, based on Dlib and Opencv
Library”, IEEE Second International Conference on Data Stream Mining & Processing, 2018
