UNHASYUNHASY

DERISTECH : Development informatic and research in TechnologyDERISTECH : Development informatic and research in Technology

Sistem presensi konvensional di instansi pemerintah, seperti tanda tangan atau kartu identitas, sering kali menghadapi masalah kecurangan dan inefisiensi. Tujuan riset ini adalah membuat desain sistem kehadiran berbasis deteksi wajah dengan algoritma Haar Cascade Classifier di Kantor Kementerian Agama Kabupaten Jombang. Aplikasi ini dikembangkan untuk mengidentifikasi wajah karyawan secara langsung menggunakan kamera digital, dengan integrasi ke database untuk pencatatan otomatis. Metode penelitian meliputi pengumpulan dataset wajah, preprocessing, pelatihan model menggunakan Haar Cascade Classifier, serta pengujian akurasi dalam berbagai kondisi pencahayaan dan jarak. Hasil menunjukkan sistem mencapai akurasi 92% pada pengujian pencahayaan dan 75% pada pengujian jarak, dengan keunggulan berupa tanpa kontak fisik, minim risiko penyalahgunaan, dan efisiensi proses. Sistem ini menawarkan solusi yang lebih aman dan higienis dibandingkan metode konvensional, meskipun akurasi dapat dipengaruhi oleh pencahayaan dan jarak kamera. Penelitian ini merekomendasikan penambahan fitur liveness detection untuk meningkatkan keamanan.

Berdasarkan hasil analisa terhadap permasalahan dan sistem yang dirancang, maka dapat diambil kesimpulan sebagai berikut.Haar Cascade Classifier dan LBPH dapat digunakan untuk sistem presensi berbasis web dengan tahapan pengumpulan dataset, preprocessing gambar, dan integrasi database.Sistem ini efektif dengan dukungan infrastruktur yang memadai.Akurasi Haar Cascade bergantung pada pencahayaan dan jarak.Optimal pada cahaya terang (akurasi ~92%, jarak 20–100 cm), tetapi menurun drastis dalam kondisi redup (60–70%) atau jarak tidak ideal (<20 cm atau >150 cm).

Berdasarkan latar belakang penelitian yang menyoroti keterbatasan akurasi sistem pada kondisi pencahayaan dan jarak yang kurang ideal, serta rekomendasi dari penelitian sebelumnya mengenai penambahan fitur liveness detection, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan pengembangan algoritma yang lebih robust terhadap variasi pencahayaan, misalnya dengan mengintegrasikan teknik normalisasi histogram atau adaptasi histogram untuk memastikan konsistensi citra wajah dalam berbagai kondisi pencahayaan. Kedua, penelitian dapat difokuskan pada pengembangan model pengenalan wajah yang mampu mengatasi efek jarak, seperti penggunaan teknik perspektif transformasi atau deep learning dengan arsitektur yang tahan terhadap perubahan skala. Ketiga, implementasi fitur liveness detection, seperti analisis tekstur wajah atau deteksi gerakan mikro, dapat diintegrasikan untuk meningkatkan keamanan sistem dan mencegah upaya spoofing dengan foto atau video.

  1. Implementation of Haar Cascade Classifier for Face Detection and Grayscale Image Transformation Using... jurnal.pcr.ac.id/index.php/jkt/article/view/3411Implementation of Haar Cascade Classifier for Face Detection and Grayscale Image Transformation Using jurnal pcr ac index php jkt article view 3411
  2. 0. 0 doi.org/10.24176/simet.v11i1.37540 0 doi 10 24176 simet v11i1 3754
  3. DETEKSI WAJAH MENGGUNAKAN CASCADE CLASSIFIER DENGAN OPEN CV-PYTHON | SIKAMA : Sinergi Akademisi dan Masyarakat.... doi.org/10.61488/sikama.v2i1.35DETEKSI WAJAH MENGGUNAKAN CASCADE CLASSIFIER DENGAN OPEN CV PYTHON SIKAMA Sinergi Akademisi dan Masyarakat doi 10 61488 sikama v2i1 35
Read online
File size1.09 MB
Pages13
DMCAReport

Related /

ads-block-test