Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)
Rizky Fajri
Universitas Samudra Langsa
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Absensi Berbasis Pengenalan Wajah Secara Real Time Menggunakan Metode Fisherface Rizky Fajri; T. Rahmad Effendi; Nurul Fadillah
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 4, No 2 (2020): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v4i2.2377

Abstract

Abstrak— Wajah merupakan bagian yang bisa digunakan untuk sebuah identitas dari seseorang. Pengenalan wajah digunakan untuk menghasilkan pendeteksian wajah seorang manusia berdasarkan database yang ada didalamnya dengan sebuah proses pencocokkan dengan data latih yang dibuat. Pengambilan wajah diambil secara real time menggunakan webcam dari laptop, selanjutnya proses penggunaan metode fisherface disini digunakan pada saat proses pengelompokkan wajah, fisherface dianggap sangat baik dalam proses pengenalan wajah karena fisherface dapat mendeteksi wajah tanpa harus dalam penerangan yang baik. Sistem absensi menggunakan pengenalan wajah dikembangkan untuk menggantikan sistem sidik jari yang sekarang banyak digunakan, sistem ini nantinya akan bekerja membaca identitas dari seseorang dengan memanfaatkan wajah sebagai proses pengenalannya, sistem dibuat menggunakan python opencv dan GUI Tkinter sebagai tampilan dari programnya. Adapun hasil yang di dapat pada sistem ini yaitu menampilkan ID, Nama, NIM, dan Prodi dari seorang mahasiswa. Selanjutnya setelah sistem mengenali wajah maka sistem absensi langsung menghasilkan keluaran ID, Nama, dan Date dan Time yang secara langsung masuk ke Ms. Excel. Hasil dari pengujian sistem tingkat akurasi kebenaran sistem mencapai 80% dengan data uji sebanyak 10 wajah dan data training sebanyak 100 wajah.
Co-Authors Nurul Fadillah T. Rahmad Effendi