Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8 APLIKASI REKAM KEHADIRAN DENGAN DETEKSI WAJAH MENGGUNAKAN METODE EIGNFACE PADA KEJAKSAAN TINGGI SULAWESI SELATAN Erfan Hasmin Teknik Informatika STMIK DIPANEGARA Makassar Jl. Perintis Kemerdekaan IX 9 Email : Erfan.hasmin@gmail.com Abstract Beberapa bagian tubuh manusia bisa menjadi identitas pribadi seseorang yang menjadikan seorang manusia berbeda dengan manusia lainnya diantaranya adalah sidikjari, DNA, Retina Mata dan Wajah, tentu saja dibutuhkan perangkat khusus untuk dapat mengenali dan mengubah data tersebut menjadi data yang dapat dikenali manusia, seperti teknologi finger print dan pemindai retina.pada []. kantor kejaksaan Tinggi Sulawesi. Selatan Model daftar hadir kehadiran pegawai menggunakan kombinasi sistem fingerprint dan check lock, tentu saja check lock sebagai sistem cadangan apabila sistem utama mengalami gangguan. Sering berjalannya sistem fingerprint ditemukan beberapa permaslahan diantaranya peralatan sensor jari yang sulit mendeteksi jari pegawai,sehingga proses absensi memerlukan waktu yang cukup lama. Teknologi verifikasi kehadiran kini mulai berkembang dengan ditemukannya cara menjadikan wajah sebagai media untuk mengverifikasi, teknologi inipun sudan mulai diterapkan sebagai alat autentikasi login, serta absensi kehadiran, teknologi ini selain lebih aman dan teknologinya lebih murah, karena cukup menggunakan webcame sebagai alat untuk menerima input wajah. Teknik autentikasi wajah yang digunakan adalah eignface sebuah metode yang dapat merubah citra wajah menjadi vector-vektor matematika. Hasil penilitian ini berupa aplikasi sebagi alat yang dapat merekam kehadiran pegawai kejaksaan tinggi Sulawesi Selatan yang dapat meminimalisir kecurangan absensi karyawan yang sering terjadi selama ini. Kata Kunci: Absensi, Eignface, java, Wajah, Deteksi. Pendahuluan Perkembangan teknologi multimedia digital semakin terus berkembang dalam berbagai macam dimensi kehidupan seperti hiburan, pendidikan,keamanan data, teknologi biometrics dan sebagainya, yang meliputi pengunaan data multimedia, serta pengenalan biometrics tubuh manusia. Beberapa bagian tubuh manusia bisa menjadi identitas pribadi seseorang yang menjadikan seorang manusia berbeda dengan manusia lainnya diantaranya adalah sidikjari, DNA, Retina Mata dan Wajah [], tentu saja dibutuhkan perangkat khusus untuk dapat mengenali dan mengubah data tersebut menjadi data yang dapat dikenali manusia. Masalah daftar Hadir telah menjadi masalah utama di hampir semua instansi Pemerintah, apalagi instansi yang memperkerjakan ratusan bahkan ribuan pegawai tak terkecuali di Kantor Kejaksaan Tnggi Sulawesi Selatan, Saat ini dengan jumlah pegawai lebih dari orang. Model daftar hadir kehadiran pegawai menggunakan kombinasi sistem fingerprint dan check lock, tentu saja check lock sebagai sistem cadangan apabila sistem utama mengalami gangguan. Sering berjalannya sistem fingerprint ditemukan beberapa permaslahan diantaranya peralatan sensor jari yang sulit mendeteksi jari pegawai,sehingga proses absensi memerlukan waktu yang cukup lama. Kelemahan yang lain kamu temukan adalah terjadi kecurangan pada saat data di transfer dari memory perangkat fingerprint menuju kep komputer yang akan melakukan rekapitulasi kehadiran, pada proses ini bisa terjadi manipulasi oleh administrator dengan melakukan copy paste data kehadiran, temuan lain yang kami dapatkan adalah dalam pembuatan laporan rekapitulasi masih menggunakan aplikasi Microsoft excel. Teknologi verifikasi kehadiran kini mulai berkembang dengan ditemukannya cara menjadikan wajah sebagai media untuk mengverifikasi, teknologi inipun sudan mulai diterapkan sebagai alat autentikasi login, serta absensi kehadiran, teknologi ini selain lebih aman dan teknologinya lebih murah, karena cukup menggunakan webcame sebagai alat untuk menerima input wajah. Ada beberapa metode yang bisa digunakan dalam autentikasi wajah salah satunya Metode Gabor Wavelet [] memungkinkan digunakan untuk program aplikasi lain seperti program aplikasi authentifikasi pada komputer atau pintu masuk, program pengidentifikasin kriminal yang terekam dalam video. Pada peneletian ini Peneliti menggunakan metode autentikasi wajah yang digunakan adalah eignface sebuah metode yang dapat.-
Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8 merubah citra wajah menjadi vector-vektor matematika.. Pembahasan Skema Aplikasi pada gambar. Dibawah ini menunjukan arus proses pada penelitian ini. Mulai Registrasi Data Karyawan [DB] Registrasi Wajah Training [File] Pegawai Daftar Sidik Jari Rekam Sidik Jari Scan Sidik Jari Autentikasi Dengan Fingger Print Hasil Verifikasi Daftar Data Pegawai Laporan Kehadiran Administrator Login Dengan Wajah Gambar. Use Case Diagram Deteksi wajah dengan Haar Cascade Classifier [Library Open CV] Konversi dari matriks ke bentuk vektor Penentuan selisih (antara test image dengan nilai mean yang diperoleh pada proses training) Penentuan nilai selisih antara gambar training dengan nilai mean (ψ) Implementasi Metode Eigface Algoritma pengenalan wajah dilakukan dengan beberapan tahapan, untuk memulai proses pengujian tahapan awal yang harus dilakukan adalah mempersiapkan data[]. Berikut ini langkah-langkah dalam perhitungan nilai eigenface: Penetuan Eigenface proyeksi gambar tes dan gambar training untuk ruang wajah Penentuan Euclidean distance (Ɛ) (eigenface gambar tes dan gambar training dari ruang wajah) Penentuan nilai Treshold Penyusunan flatvector matriks citra Dari data training image (Γ) yang tersedia, langkah selanjutnya yang harus dilakukan adalah menyusun seluruh data training menjadi satu matriks tunggal. Representasikan semua matriks training menjadi matriks linier Nx atau flatvector Gagal Absen N Jika Ɛ<=Treshold Y Sukses Absen Desain Teknologi Stop Gambar. Skema Sistem Gambar. Training Webcame Aplikasi Absensi Dengan Wajah Library opencv MySql Database Gambar. Desain Teknologi Pada gambar dibawah ini menunjukan use case diagram Γ = [ ] [ ] Gambar. Training Γ = [ ] [ ].-
Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8 (a) (b) Gambar 6. Training Γ = [ ] [ ] Mengitung Nilai Tengah atau Mean (ψ) ψ = Γn n=.() ψ = + + = ([ ] [ ] [ ]) [ ] Menghitung nilai selisih antara training image (Γ) dengan nilai mean (ψ) φ = = [ ] [ ] [ ] φ = = [ ] [ ] [ ] φ = [ ] [ ] = [ ] (c) (d) Menghitung nilai matriks kovarian L= [ ] 9 7 L =[ 7 ] 9 Hitung nilai eigen value (λ) dan eigen vector (υ) dari matriks kovarian 9 7 = λ [ ] [ 7 ] 9 λ 9 7 = [ 7 λ ] λ 9 Maka nilai λ adalah λ =.6, λ =.7, λ =. Nilai eigen vector diperoleh dengan cara mensubtitusi eigen value ke dalam persamaan. Eigen vector masing-masing eigen value didapat berdasarkan masing-masing kolom eigen value dan kemudian dihimpun kembali menjadi satu matriks. Untuk λ =.6, maka : λ 9 7 υ [ 7 λ ] [ υ]= [ ] υ =.87 λ 9 υ [.6 ].8 Untuk λ =.7 λ 9 7 υ [ 7 λ ] [ υ]= [ ] υ =.9 λ 9 υ [.786].77 Untuk λ =. λ 9 7 υ [ 7 λ ] [ υ]= [ ] υ =.786 λ 9 υ [. ].669 [ ].-
Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8.87 Maka C = [.6.8.9.786.77 (e) Menghitung nilai eigenface (μ) μ = υ x φ.87 μ = [.6.9.786.786. ] x.8.77.669 [ ].8.967.87 μ = [.7.6.9 ].79.87 μ = [.6.76.9.786.88.786. ] x.8.77.669 [ ].78..87 μ = [.7.9.87.66.87.9.6].8.786 μ = [.6.786. ] x.8.77.669 [ ]..87.6 μ = [.698.8867.969.78.86 ].6.786. ].669 Proses Pengenalan Wajah Proses pengenalan dilakukan dengan cara mengenali gambar tes, kemudian mencocokkan dengan training image yang telah tersimpan di dalam database. Untuk mengenali gambar tes langkah yang dilakukan sama dengan proses pada gambar training mulai dari merubah matriks persegi menjadi flatvector hingga memperoleh nilai eigenface (μ) yang ditunjukkan pada gambar. Gambar 7 : Gambar test Γnew = [ ] [ ] Setelah merepresentasikan gambar test ke flatvector, kemudian mencari selisi (φ) antara gambar test dengan nilai mean (ψ). φnew = [ ] [ ] = [ ] Dari nilai selisih, maka nilai eigenface dapat dihitung. μnew.87 = [.6.9.786.786. ] x [ ].8.77.669 μnew.8 = [.7.79.967.6.76..79 ]. Setelah nilai eigenface untuk gambar test diperoleh maka kita bisa melakukan identifikasi dengan menentukan jarak terpendek (ecludian distance) dengan eigenface dari eigenvector training image. ε.8 = [.7.79 ε.967.6.76..8.79 ] [.7..79.967.6.76.87.9 ].88 = () + () + (.7) + () + () + (.7797) + () + () + (.7) ε =.9997 =..8 ε = [.7.967.6..79 ].79.76..78. [.7.9.66.87 ε.87.6].8 (.97) + (.) + (.86) + (6.77) + (.68) + = (.7) + (.9) + (.) + (.7) ε =.86 = 6.868.8 ε = [.7.967.6..79 ].79.76...87 [.698.8867.969.78 ε.6.86].6 (.96) + (.9) + (.7) + (.776) + (.9) + = (.99) + (.678) + (.686) + (.6) ε = 7.999 = 8.6 Dari hasil perhitungan nilai ecludian distance gambar training, training dan dan training terhadap gambar test, maka nilai jarak eigenface yang terkecil.-
Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8 diidentifikasikan lebih mirip antara training dengan gambar tes, dibandingkan dengan training dan training. Relasi Basis Data seperti gambar 8 dibawah ini Identitas NIP Nama Jk Tgllahir Tlahir Alamat telepon Absen NIP Tanggal Jam Status JamPulang Lembur user (c) Antarmuka Rekam data Pegawai admin User pass Gambar 8. Relasi Basis Data Desain Antarmuka (a). Desain Antarmuka Rekam Data Training Gambr. Antarmuka Input Data Pegawai (d) Antarmuka Laporan Absensi Gambr. Antarmuka Laporan Absensi Gambar 9. Antarmuka Rekam Wajah Training (b). Desain Antarmuka Rekam Wajah Training Pengujian Aplikasi (a). Pengujian Absensi Tabel. Pengujian Absensi Hasi l Test Factor Aplikasi dapat menerima inputan wajah Antarmuka Keterangan Sukses melakukan face recoqnation dan validasi kehadiran Gambr. Antarmuka Absensi.-
Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8. Metode Eignface dapat digunakan sebagai Aplikasi Absensi Deteksi Wajah untuk menggantikan metode absensi sebelumnya. Treshold yang digunakan bisa diatur dalam rentan,7-,8 agar aplikasi dapat mengenali wajah dengan tingkat sensitifitas sedang. Untuk menghindari kesulitan deteksi wajah apabila terjadi perubahan model rambut,kumis dan jenggot pada pegawai (b) Pengujian Validasi Keterlambatan Tabel. Pengujian Keterlambatan Test Factor Hasil Keterangan Aplikasi dapat mengetahui apakah Pegawai tersebut terlambat, dengan memberikan informasi keterlambatan Antarmuka Aplikasi sukses memberika informasi keterlambatan kepada Pegawai Daftar Pustaka [] Sutoyo, Pengelolaan Citra Digital, Andi Offset, Yogyakarta 9 [] Al fatta H., Rekayasa Sistem Pengenalan Wajah, Andi Offset, Yogyakarta, 9 [] Riyan Syah Putra Perancangan Aplikasi Absensi Dengan Deteksi Wajah Menggunakan Metode Eigenface, STMIK Budidarma [] Muhammad Dahria Pengenalan Pola Wajah Menggunakan Webcam Untuk Absensi Dengan Metode Wavelet STMIK Triguna Dharma, Me dan Biodata Penulis ErfanHasmin,memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Sistem Infomrasi STMIK Dipanegara Makassar, lulus tahun 9. Memperoleh gelar Magister Teknik (M.T) Program Pasca Sarjana Magister Teknik Elektro Konsentrasi Informatika Universitas Hasanuddin Makasssar, lulus tahun.saat ini menjadi Dosen di STMIK Dipanegara Makassar. Kesimpulan Face Recognation denganmetode Eignface, dapat digunakan dalam verfikasi absensi pegawai, implementasi pada tempat studi kasus yaitu Kejaksaan Tinggi Sulawesi Selatan menyimpulkan :.-6