IMPLEMENTASI HAAR CASECADE CLASIFIER DAN SUPPORT VEKTOR MACHINE (SVM) DALAM IDENTIFIKASI WAJAH PADA SISTEM PRESENSI ONLINE

PRASETYO, SIGIT (2023) IMPLEMENTASI HAAR CASECADE CLASIFIER DAN SUPPORT VEKTOR MACHINE (SVM) DALAM IDENTIFIKASI WAJAH PADA SISTEM PRESENSI ONLINE. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text 1. Skripsi Fulltext_123160185_Sigit Prasetyo.pdf Restricted to Repository staff only Download (3MB)
	Text 2. Abstrak_123160185_Sigit Prasetyo.pdf Download (187kB)
	Text 3. Cover_123160185_Sigit Prasetyo.pdf Download (276kB)
	Text 4. Lembar Pengesahan_123160185_Sigit Prasetyo.pdf Download (127kB)
	Text 4. Lembar Pengesahan_123160185_Sigit Prasetyo.pdf Download (127kB)
	Text 5. Daftar Isi_123160185_Sigit Prasetyo.pdf Download (205kB)
	Text 6. Daftar Pustaka_123160185_Sigit Prasetyo.pdf Download (137kB)

Abstract

Presensi merupakan sebuah proses pengambilan data guna mengetahui jumlah kehadiran
pada suatu kegiatan. Penerapan sistem presensi karyawan ini sangat penting bagi suatu perusahaan.
Karena dapat mempermudah proses manajemen sumber daya manusia, serta membantu
perusahaan dalam menghemat biaya dan waktu, serta meningkatkan produktivitas perusahaan.
Proses presensi yang dilakukan secara manual atau dengan menulis dibuku presensi, memiliki
resiko yang besar, seperti kerusakan ataupun kehilangan data yang masih tinggi, seperti karena
kesalahan manusianya ataupun dari segi fasilitas penyimpanannya. Sehingga untuk meminimalisir
kerusakan serta kehilangan data presensi tersebut diperlukannya sebuah sistem presensi yang telah
terintergrasikan dengan sistem komputer dan basisdata.
Pada penelitian ini menggunakan metode Haar Cascade Classifikasi sebagai metode
pedeteksian wajah, hasil deteksi akan dilakukan Grayscale, Crop, dan Risize untuk menjadi citra
input. Kemudian melakukan ekstrai ciri dengan metode Eigenface PCA. Hasil dari Eigenface ini
akan digunakan sebagai data input untuk identifiaksi wajah menggunakan metode Support Vector
Machine (SVM) dengan kernel Linier dengan C=100, dan gamma 0,001.
Dataset yang digunakan menggunakan foto artis dari 17 orang dan foto penulis, sehingga
total data sebanyak 1800 foto, dengan perbandingan data latih dan data uji sebanyak 75:25. Dari
penelitian ini didapatkan hasil waktu proses data training selama 4 menit 28 detik, dengan tingkat
akurasi 55%, untuk nilai precision sebesar 54,89%, serta nilai dari recall sebesar 54,94%.
Kata Kunci : Deteksi Wajah, Identifikasi Wajah, Haar Casecade Classifier, Eigenface PCA,
Support Vector Machine, Presensi Online

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deteksi Wajah, Identifikasi Wajah, Haar Casecade Classifier, Eigenface PCA, Support Vector Machine, Presensi Online
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	21 Aug 2023 04:31
Last Modified:	21 Aug 2023 04:31
URI:	http://eprints.upnyk.ac.id/id/eprint/37015

Actions (login required)

View Item