SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI KARYAWAN

Transkripsi

1 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI KARYAWAN Ir. Suhanda. M.T, Akhmad Yahya Dosen dan Asisten Jurusan Teknik Informatika USB YPKP Bandung suhanda75@yahoo.co.id Abstrak Pada saat ini penggunaan Sistem Komputerisasi semakin tumbuh dan berkembang di kalangan Masyarakat yang sedang meningkatkan perusahaanya, terutama dibidang Industri. Maka dengan demikian perlu adanya pengawasan keta terhadap Karyawannya, untuk meningkatkan disiplin kerja. Jurnal ini akan menguraikan Sistem Komputerisasi Absen, Salah satunya adalah dengan melakukan Absen kehadiran Karyawannya. Absen yang dilakukan dengan memakai Sistem Pengenalan Wajah. Sehingga Absen tersebut tidak bisa diwakilkan kepada temannya.karena Wajah masing masing Karyawan akan terekam di layar Komputer pada saat mengabsen, dan sesudah mengabsen. Sistem yang dipakai adalah Metode EigenFace. Juga menggunakan Algoritma yang berhubungan dengan metode tersebut. Begitu Karyawan sesudah mengabsen maka Data namanya sesuai dengan waktu mengabsen akan masuk ke DataBase yang ada pada Sistem tersebut di dalam penyimpanan Sekunder. Dengan demikian Sistem ini akan membantu keakuratan Data Absen, Kedisiplinan Karyawan, dan menghindari kecurangan dalam Mengabsen oleh karyawan yang bolos dan Karyawan yang sering terlambat. Sistem ini akan mendukung peningkatan Kualitas kerja Karyawan tersebut. Sehingga para karyawan juga akan dituntut untuk kejujuran dalam bekerja serta pihak perusahaan akan mengetahui mana karyawan yang rajin dan mana karyawan yang malas. Jadi pihak Perusahaan akan lebih mudah menilai kwalitas karyawannya dalam kejujuran dan kemampuan bekerja sesuai dengan waktu yang ditetapkan bersama antara karyawan dan perusahaan. Untuk mencapai kinerja dan kemajuan serta target yang dicapai oleh Perusahaan. Kata Kunci : Kecerdasan Buatan, Absen Karyawan, Metode EigenFace Abstract At this time the use of Computerized Systems is growing and developing in the community who are stepping up his company, especially in the field of industry. It is thus necessary to the strictest supervision of the Employees, to improve labor discipline. This journal will describe Absent Computerized System, One is by doing Absent Employees presence. Absent were carried out using Facial Recognition System. Absent so it can not be delegated to temannya.karena face each - each employee will be recorded on the computer screen during the roll call, and after the roll. The system used is eigenface method. Also use the algorithm associated with the method. Once the employee after the roll call his name in accordance with the time data will roll into the DataBase exist in the system at the secondary storage. Thus this system will help the accuracy of the data Absent, discipline employees, and to avoid fraud in the roll by employee absenteeism and employees are often late. This system will support the improvement of the quality of employee work. So that employees will be prosecuted to the honesty in work and the company will know which employees are diligent and where employees are lazy. So the company will be easier to assess the quality of its employees in the honesty and the ability to work in accordance with the stipulated time shared

2 between the employee and the company. To achieve the performance and progress and targets achieved by the Company. Keywords: Artificial Intelligence, Absent Employees, eigenface method PENDAHULUAN a. Latar Belakang Absensi adalah salah satu transaksi repetitif yang sangat penting, karena berkaitan dengan produktifitas dari karyawan dan merupakan salah satu indikator pengontrol Sumber daya manusia (SDM) yang bertujuan meningkatkan potensi sumber daya manusia serta digunakan dalam rangka efisiensi. Perkembangan teknologi saat ini memungkinkan membuat suatu sistem yang dapat membantu Manusia dalam pengenalan suatu citra digital. Salah satunya bidang yang sekarang ini sudah mulai dikembangkan adalah pengenalan pola. Teknologi ini mengidentifikasi ciri-ciri khusus fisik seseorang. Contoh pengenalan pola misalnya adalah pengenalan wajah (face recognition), Pengenalan iris (iris recognition), pengenalan sidik jari (finger recognition), dan lain-lain. Dalam penelitian pengenalan wajah ini menggunakan sebuah kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya telah disimpan di dalam database tertentu. Secara garis besar proses dari pengenalan wajah ini adalah kamer webcam melakukan capture pada wajah. Kemudian didapatkan sebuah nilai R,G,B. Dengan menggunakan pemrosesan awal, dilakukan crop, konversi RGB ke Grayscale. Setelah dilakukan proses Grayscale, dilakukan tahap pengolahan wajah dengan menggunakan metode eigenface. Didalam metode eigenface ini terdapat beberapa tahapan inti yaitu: mengubah wajah menjadi matrik, menghitung rataan FlatVector, menentukan nilai eigenface dan melakukan proses identifikasi wajah dengan mencari nilai eigenface yang mendekati. Pengenalan wajah ini salah satunya dapat dikembangkan untuk menjadi aplikasi absensi yang dapat diterapkan diperusahaan untuk mencegah manipulasi absen oleh karyawan. Umumnya sistem absensi karyawan pada perusahaan dilakukan dengan mengisi buku absen atau yang lebih maju lagi dengan menggunakan mesin absensi. Mesin absensi tersebut menggunakan kartu tempat mencetak tanggal, jam masuk serta jam pulang. Dilihat dari segi keamanan, sistem ini mempunyai banyak kelemahan, antara lain adalah absen karyawan bisa dititipkan oleh karyawan lainnya, dan jika kartu tersebut tertinggal maka karyawan tidak dapat melakukan absensi. Hal ini tentu berakibat kerugian bagi karyawan. Alternatif lain yang bisa dilakukan adalah dengan menggunakan sidik jari sebagai pengganti barcode. Akan tetapi, pada absensi dengan mesin sidik jari masih ditemukan beberapa kekurangan seperti ketidak mampuan mesin absensi sidik jari memverifikasi jari karyawan apabila jari karyawan itu kotor, terluka ataupun berminyak, dan memerlukan tambahan alat dengan harga yang tidak murah dan dapat bermanpaat bagi pemakai.

3 b. Lingkup Masalah Untuk memudahkan dalam pembentukan sistem, maka masalah ini dibatasi pada : 1. Menentukan cara menganal wajah masing-masing Karyawan 2. Merencanakan waktu kerja supaya tercatat dalam DataBase Karyawan 3. Merancang rekaman Photo wajah dari setiap Karyawan pada saat masuk kerja 4. Menentukan kendala pada wajah karyawan yang memilik wajah yang mirip dengan karyawan yang lainnya 5. Merancang sistem untuk menentukan kerja proses perekaman 6. Merancang sistem absensi untuk mendapatkan tingkat keakuratan yang lebih maksimal dan dengan biaya yang lebih murah c. Tujuan Penelitian Dengan melihat permasalahan di atas, maka dirancang dan dibangun perangkat lunak yaitu : 1. Membuat aplikasi berbasis pengenalan wajah (face recognition) dengan menggunakan Metode eigenface untuk melakukan proses Absensi karyawan. 2. Mempelajari prinsip dasar dari pengenalan wajah dengan menggunakan metode Eigenface. 3. Mengkomputerisasikan data Absensi karyawan sehingga lebih mudah dalam pelaporan ke pihak eksekutif. d. Metode Penelitian Metodologi penelitian yang digunakan dalam penelitian ini dibagi dalam beberapa tahap, yaitu: 1. Mempelajari algoritma eigenface 2. Wawancara kepada petugas Data Absen karyawan 3. Mengimplementasikan algoritma dalam prototype 4. Melakukan pengujian algotima dan analisa hasil pengujian algoritma. PEMBAHASAN Untuk mengkaji permasalan ini maka perlu beberapa teori pendukung diantaranya adalah : a. Metode Eigenface Prinsip dasar dari pengenalan wajah adalah dengan mengutip informasi unik wajah terbut kemudian di-encode dan dibandingkan dengan hasil decode yang sebelumnya dilakukan. Dalam metode eigenface, decoding dilakukan dengan menghitung eigenvector kemudian direpresentasikan dalam sebuah matriks yang berukuran besar. Metode ini disempurnakan lagi oleh Turk dan Pentland pada tahun Prinsip dasar dari metode eigenface adalah bagaimana caranya untuk mengekstrak informasi yang relevan dari sebuah citra wajah lalu mengubahnya ke dalam satu set kode yang paling efisien, dan membandingkan kode wajah ini dengan database berisi beragam wajah yang telah dikodekan secara serupa [9]. Algoritma Eigenface adalah Algoritma pengenalan wajah dimulai dengan membuat matriks kolom dari wajah yang diinput ke dalam database. Rata-rata vector citra (mean) dari matriks kolom dihitung dengan cara membaginya dengan jumlah banyaknya citra yang disimpan di dalam database.

4 b. Langkah Penyusunan Flatvector matriks citra 1. Langkah pertama adalah menyusun seluruh training image menjadi 1 matrix tunggal. Misalnya image yang kita simpan berukuran H x W piksel djan jumlahnya N buah, maka memiliki flatvector dengan dimensi N x (H x W). representasikan semua matriks training menjadi matriks dengan bentuk N 1 atau matriks linier seperti yang ditunjukkan berikut ini: a b c [ ] -> [a b c x y z] x y z Misalnya didalam training image terdapat tiga image ukuran 3x3 piksel maka kita akan mempunyai eigenvector ukuran 2x9. Contoh dibawah ini mengunakan empat wajah citra yang telah diubah menjadi matrix, lalu matrix tersebut diubah kedalam bentuk rataan FlatVector. Skema flatvector wajah: C1 [ ] [ ] C2 [ 2 2 2] [ ] C3 [ ] [ ] C4 [ 9 9 9] [ ] Hitung Rataan Flat Factor Dari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh matrix berukuran 1 x (H x W): C1+C2+C3+C4=[ ] y y y y y y y y y C1+C2+C3+C4=[ ] Setelah itu bagi matriks tadi dibagi dengan jumlah image N untuk mendapatkan Rataan FlatVector: [ ] 4 = [ ]

5 Nilai flatvector citra akan digunakan untuk menghitung nilai eigenface citra wajah untuk training image. 3. Tentukan Nilai Eigenface Dengan memakai rataan flatvector citra di atas nilai eigenface untuk matriks latvector yang sudah disusun tersebut dapat dihitung nilai eigenfacenya. Caranya dengan mengurangi baris-baris pada matrix flatvector dengan rataan flatvector. Jika didapatkan nilai dibawah nol, maka nilainya diganti dengan nol C1= C2= C3= C4= Proses Identifikasi Untuk mengenali citra tes (testface), langkah identifikasinya adalah hitung nilai eigenface untuk matriks testface dengan cara sebelumnya untuk penentuan nilai eigenface dan flatvector citranya Ct [ 9 7 9] [ ] Nilai eigen dari testface= ( ) Nilai eigen (eigenvalue) dari testface digunakan untuk identifikasi dengan menentukan jarak terpendek dengan eigenface dari eigenvector training dengan cara menentukan nilai absolut dari pengurangan baris I pada matriks eigenface training citra dengan eigenface dari testface dan jumlahkan dengan elemen penyusun vector yang dihasilkan dari pengurangan dan didapat jarak d indeks I dan cari nilai d yang paling kecil. Setelah nilai eigenface untuk testface diperoleh maka kita bisa melakukan identifikasi dengan menentukan jarak terpendek dengan eigenface dari eigenvector training image. Pertama tentukan nilai absolut dari pengurangan baris pada matrix eigenface training image dengan eigenface dari testface, kemudian jumlahkan elemen-elemen penyusun

6 vector yang dihasilkan dari pengurangan tadi dan ditemukan jarak indeks. Lakukan untuk semua baris. Cari nilai yang paling kecil. Nilai EignFace C1=( ) C1= Nilai EignFace C2 = ( ) C1 = = C2 = C2 = =7 Nilai Eigenface C3 = ( ) C3 = C3 = = 20 Nilai Eigenface C4 = ( ) C4 = C4 = = 2 Dari hasil perhitungan, diperoleh jarak citra wajah empat memiliki nilai yang terkecil yaitu dua. Karena jarak eigenface face satu dengan testface yang paling kecil, maka hasil identifikasi menyimpulkan bahwa testface lebih mirip dengan face empat dari pada face satu, face dua, dan face tiga. b. Analisa 1. Alur Metode Eigenface Pada tahap ini dilakukan analisis yang mendalam mengenai alur dari proses absensi menggunakan metode eigenface. Inti dari algoritma eigenface adalah ketika karyawan melakukan absensi maka gambar foto karyawan akan disimpan dalam database aplikasi, lalu dikalkulasi nilai eigenface gambar karyawan tersebut dan dilakukan proses matching untuk dicari nilai eigen yang paling mendekati. 2. Alur Proses Identifikasi dengan Metode Eigenface Pada tahap ini akan dilakukan proses perhitungan matriks dari setiap wajah yang dicapture oleh webcam. Tahapan yang terjadi adalah penyusunan flatvector matriks citra, menentukan nilai rataan flatvector, penghitungan nilai eigenface dan proses identifikasi untuk mendapatkan identitas gambar yang dicapture 3. Pengujian Algoritma pada Metode Eigenface Pada tahapan ini dilakukan pengujian dengan melakukan absensi kepada lima orang. Percobaan ini didasarkan atas pernyataan dari Ming-Hsuan, Kriegman, dan Ahuja pada 2002 yang mengatakan salah satu faktor dari system pengenalan wajah adalah Kondisi pencitraan yang salah satu contohnya adalah pencahayaan dan jarak.

7 Pencahayaan yang dilakukan menggunakan cahaya gelap dan terang. Serta untuk jarak dengan webcam dengan 30 cm dan 60 cm. c. Rancangan Sistem Informasi 1. Rancangan Struktur Basis Data Entiti Relation Diagram (ERD) Rancangan Strukturnya dapat digambarkan sebagai berikut : Gambar 1. Rancangan Entity Relation Diagram 2. Transformasi ER-Diagram ke Logical Record Structure Gambar 2. Rancangan ER-Diagram ke Logical Record Structure 3. Logical Record Structure (LRS) Gambar 3. Rancangan Logical Record Structure

8 i). Analisa Dan Implementasi Metode Eigenface Pada tahapan ini dilakukan analisa dari hasil pengujian pengenalan wajah dengan menggunakan metode eigenface. Terdapat beberapa tahapan dalam melakukan pengujian dan analisa terhadap metode ini. 1. Pemecahan Masalah Dalam hasil absensi yang akurat, dibutuhkan sebuah sistem absensi cukup mudah digunakan oleh karyawan, dan memiliki kunci yang unik untuk setiap orang. Maka dari itu dikembangkanlah sebuah sistem yang memanfaatkan wajah manusia yang dimiliki setiap orang, sifatnya unik. Sehingga karyawan tidak perlu repot membawa kartu karena memanfaatkan wajah sebagai media absensi. Sistem pengenalan wajah dengan algoritma eigenface adalah sebuah solusi identifikasi wajah dan pengenalan wajah. Sistem ini dapat diterapkan baik dalam aplikasi desktop yang menggunakan wajah sebagai autentikasinya atau pengenalan dan identifikasi wajah otomatis. Setelah didapatkan nilai eigenface maka dilakukan proses matching dengan mencari nilai eigenface dengan database wajah untuk mendapatkan nilai eigenface yang paling mendekati. Tahapan terakhir adalah menampilkan gambar/citra yang mendekati dari hasil nilai eigenface yang sudah didapatkan. Untuk lebih jelasnya dapat dilihat pada Gambar berikut : Gambar 4. Proses Matching Mencari Nilai Eigenface 2. Metode Kerja Sistem Aplikasi Proses pengenalan wajah manusiadari sisi aplikasi ini terdiri dari beberapa tahap. Tahap pertama dimulai dengan pengambilan gambar dari wajah karyawan melalui alat pengambilan gambar (webcam). Setelah itu, gambar diperoses untuk menghasilkan database wajah. Penjelasan dari tiap-tiap tahapan proses adalah sebagai berikut : 3. Pengambilan Data Pada tahap ini, setiap data karyawan menginput data masing-masing dengan lengkap di form master karyawan, setelah lengkap maka karyawan difoto melalui Webcam. Posisi kawyawan harus benar dalam pengambilan gambar. Penerangan di ruangan tempat pengambilan gamber harus sama.

9 4. Proses Absensi Pada tahap ini karyawan berdiri tegak dan menyesuaikan wajahnya agar tepat pada pisisi Webcam. Setelah tepat maka karyawan menekan tombol ambil yang terdapat pada form. Jika wajah teridentifikasi maka selanjutnya karyawan menekan tombol absen. Jika wajah karyawan berbeda, maka karyawan harus menekan tombol batal dan lalu mencari posisi kembali yg sesuai sampai data karyawan tersebut tepat. 5. Pembuatan Laporan Pada tahap ini user perlu menginput tanggal awal dan akhir yg diinginkan lalu masukkan jumlah hari libur diluar mingguan.kemudian menekan tombol cetak. 6. Tampilan Layar 7. Spesifikasi Hardware dan Software Agar sistem ini berjalan dengan baik, maka dibutuhkan beberapa spesifikasi minimal yang harus terpenuhi. Diantaranya merupakan spesifikasi minimal hardware yg harus dipenuhi untuk mendukung dalam pengoperasian system pengenalan wajah yang dibuat: a) Processor Intel Pentium 4 (2,8 Ghz) b) Memori 1GB RAM c) Keyboard d) HD 20 GB e) Webcam f) Monitor g) VGA On Board 32 MB

10 Kemudian disamping Hardware, juga spesifikasi software yg dibutuhkan agar system pengenalan wajah dapat berjalan dengan baik antara lain : a) System Operasi Microsoft Windows XP Profesional Edition SP 2 b) Connector odbc Win32 c) XAMPP Ver PENUTUP a). Kesimpulan Berdasarkan hasil analisa yang dilakukan terhadap permasalahan dan aplikasi yang dikembangkan maka dapat ditarik kesimpulan sebagai berikut: 1. Apliksi absensi dapat dibuat menggunakan pengenalan wajah dengan menggunakan metode EignFace untuk pengenalan wajah. 2. Factor-faktor yang mempengaruhi hasil pengenalan pada system ini adalah pencahayaan, jarak pengambilan gambar (Cacpture) antara objek. Kesimpulan ini didapat dari hasil perbandingan data pengamatan yng dicoba pada 5 orang pada intensitas cahaya yang berbedea dan jarak pengambilan gambar. Terdapat perbedaan keakuratan. 3. Metode eigencafe merupakan salah satu metode ntk pengenalan wajah dengan memperhitungkan matriks setiap wajah yang di capture dengan mengkalkulasi nilai eigenface untuk didapatkan nilai eigenface yang mendekati. b). Saran Dengan adanya Sistem Pengabsenan keryawan ini ada beberapa saran yang menjadi pendorong bagi Pengguna antara lain : 1. Lebih ditingkatkan lagi Sistem kerja ini, sehingga dapat menunjang kriteria kerja karyawan 2. Adanya pengawasan yang lebih ketat, dalam penggunaan sistem ini, sehingga pihak Karyawan dan pihak terkait lebih disiplin lagi masuk kerjanya 3. Sebaiknya yag mengoerasikan Sisem ini, harus orang yang bertanggung jawab, dan diberikan pelatihan terlebih dahulu DAFTAR PUSTAKA [ 1.] Li Stan Z., Jain Anil K.,2005, Handbook of Face Recognition, New York:Springer [ 2.] Privida Kristiono, 2008, Pemrograman Database Tingkat Lanjut dengan VB6, PT Elex Media Komputindo [ 3.] Putra Darma, 2009, Sistem Biometrika: Konsep Dasar, Teknik Analisis Citra, dan Tahapan Membangun Aplikasi Sistem Biometrika, Yogyakarta : Andi Offset [ 4.] Siswanto, Ir., 2005, Kecerdasan Tiruan, Yogyakarta : Graha Ilmu [ 5.] Supardi, Ir., Yuniar, 2011, Semua Bisa Menjadi Programmer VB6 Hingga VB 2008 Basic, PT Elex Media Komputindo. [ 6.] Sutoyo T., Mulyanto Edy S.Si., M.Kom., Dr. Vincent Suhartono, 2009, Teori Pengolahan Citra Digital, Yogyakarta: Andi [ 7.] Swastika, Windra, 2007, VB & MYSQL Seri 2, Dian Rakyat. [ 8.] Wikipedia the free encyclopedia, Eigenface, diakses pada : Oktober 2012 [ 9.] Wikipedia the free encyclopedia, Pengenalan Pola diakses pada : Oktober 2012