Sistem Presensi Pegawai Menggunakan Face Recognition dengan Algoritma Local Binary Pattern Histogram (LBPH)
(Studi Kasus di Universitas Buana Perjuangan Karawang)
Abstract
Kedisiplinan pegawai bisa dinilai salah satunya melalui tingkat kehadirannya di kantor atau tempatnya bekerja. Perusahaan atau instansi juga tentunya memiliki standar sendiri untuk kehadiran tiap pegawainya. Oleh karena itu, diberlakukan sistem presensi agar ada pencatatan dan bukti akan hadir atau tidaknya seorang pegawai. Sistem presensi pegawai ini menjadi faktor penting yang mempengaruhi profitabilitas keseluruhan prospek pertumbuhan di masa depan. Ada salah satu faktor yang membuat sistem presensi disepelekan oleh pegawai, yaitu sistem presensi yang manual. Banyak perusahaan atau instansi masih memberlakukan sistem presensi secara manual dengan cara mencatat secara manual presensi masuk dan pulang didalam pembukuan, sehingga pegawai memerlukan waktu yang lama saat mencatat presensinya masing masing setiap harinya dan untuk merekap data presensi juga membutuhkan waktu dan tenaga yang banyak karena harus merekap secara manual. Local Binary Pattern Histogram (LBPH) adalah salah satu dari metode yang terkenal dalam mengenali sebuah objek yang salah satunya mengenali suatu wajah. Penerapan algoritma LBPH membutuhkan dataset wajah untuk nantinya akan dilakukan training, dan untuk memudahkan mengambil wajah sesorang penulis menggunakan algoritma Viola Jones untuk deteksi wajah dan melakukan cropping pada bagian wajah. Hasil dari penelitian ini yang telah didapatkan yaitu berupa sistem presensi pegawai Universitas Buana Perjuangan Karawang menggunakan face recognition menggunakan algoritma LBPH secara real time dengan akurasi keberhasilan hingga 86.7% dan untuk akurasi pengenalan wajah hingga 81.8%. Sistem ini berbasis website dengan menggunakan Bahasa pemrograman Python.
References
[2] M. Arsal, B. Agus Wardijono, and D. Anggraini, “Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN,” J. Nas. Teknol. dan Sist. Inf., vol. 6, no. 1, pp. 55–63, 2020, doi: 10.25077/teknosi.v6i1.2020.55-63.
[3] Z. A. Fikriya, M. I. Irawan, and S. Soetrisno., “Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital,” J. Sains dan Seni ITS, vol. 6, no. 1, 2017, doi: 10.12962/j23373520.v6i1.21754.
[4] A. W. Wibowo, A. Karima, Wiktasari, A. Yobioktabera, and S. Fahriah, “Pendeteksian dan Pengenalan Wajah Pada Foto Secara Real Time Dengan Haar Cascade dan Local Binary Pattern Histogram,” JTET (Jurnal Tek. Elektro Ter., vol. Vol. 9 No., pp. 6 – 11, 2020.
[5] T. Arifianto, “Penerapan Algoritma Viola-Jones Untuk Deteksi Masker Covid-19 Di Politeknik Perkeretaapian Indonesia Madiun,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 2030–2040, 2021, doi: 10.35957/jatisi.v8i4.1106.
