SISTEM ABSENSI MAHASISWA BERDASARKAN CITRA WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)

LINDA RAHMAYANTI, LINDA RAHMAYANTI (2019) SISTEM ABSENSI MAHASISWA BERDASARKAN CITRA WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA). Bachelor thesis, UNIVERSITAS ISLAM MAJAPAHIT MOJOKERTO.

[img] Text
1 TA Linda Rahmayanti.pdf
Restricted to Repository staff only

Download (3MB)
[img] Text
2 Jurnal Linda Rahmayanti.pdf

Download (369kB)

Abstract

ABSTRAK Rahmayanti, Linda. Sistem Absensi Mahasiswa Berdasarkan Citra Wajah Menggunakan Metode Principal Component Analysis (PCA). Tugas Akhir, Program Studi Informatika, Fakultas Teknik, Universitas Islam Majapahit (UNIM). Pembimbing 1: Yesy Diah Rosita, S.Kom., M.Kom. Pembimbing 2: Dinarta Hanum, S.Si., M.Si. Deteksi wajah merupakan salah satu topik yang banyak digunakan dalam pengolahan citra. Salah satu penggunaan deteksi wajah adalah absensi wajah, dimana absensi merupakan catatan kehadiran yang sangat penting dalam dunia pendidikan. Di Universitas Islam Majapahit, absensi memiliki kontribusi nilai yang cukup besar dalam kontrak kuliah. Oleh karena itu keaslian data absensi sangat diperlukan. Metode Principal Component Analysis (PCA) adalah salah satu metode yang banyak digunakan dalam ektrasi ciri citra, dimana pada proses deteksi maupun pengenalan dapat mengenali bagian wajah terlepas dari background yang digunakan. Untuk proses deteksi wajah menggunakan metode Haar Cascade Classifier, dimana metode ini mampu mengenali bagian wajah dan dengan bantuan Library EmguCV proses ini dapat dilakukan dengan cepat. Proses pengenalan wajah menggunakan pengenalan wajah berdasarkan ekstrasi ciri citra dengan metode Principal Component Analysis (PCA). Dimana pada pada penelitian ini hasil nilai tingkat akurasi pengenalan wajah dengan nilai tingkat akurasi sebesar 85%. Data yang digunakan sebgai citra latih sebanyak 50 wajah dan 10 wajah sebagai citra uji. Faktor yang mempengaruhi proses deteksi wajah maupun pengenalan wajah adalah tingkat entisitas cahaya, diperlukan ruangan dengan cahaya yang cukup yaitu sekitar 250 Lux agar proses deteksi dan pengenalan wajah dapat berjalan dengan lebih baik. Kata Kunci: Principal Component Analysis (PCA), Haar Cascade Classifier, Absensi

Item Type: Skripsi/Thesis (Bachelor)
Uncontrolled Keywords: Principal Component Analysis (PCA), Haar Cascade Classifier, Absensi
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Computer and Information Technology
Depositing User: Perpus Unim
Date Deposited: 11 Mar 2019 04:10
Last Modified: 02 Apr 2019 07:42
URI: http://repository.unim.ac.id/id/eprint/246

Actions (login required)

View Item View Item