Skripsi/Tugas Akhir

Implementasi Metode Haar Cascade Classifier dan Local Binary Pattern Histogram pada Sistem Absensi Menggunakan Pengenalan Wajah

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Di Universitas Dipa Makassar, sistem absensi mahasiswa masih dilakukan secara manual dengan pencatatan di kertas. Terkait dengan sistem absensi manual, masalah seperti manipulasi data dan ketidakefisienan dalam pendokumentasian kehadiran sering kali terjadi. Dengan kemajuan teknologi, sistem absensi pengenalan wajah dapat secara otomatis mengumpulkan data kehadiran dan mengidentifikasi atau mengautentikasi seseorang dari foto digital. Untuk membangun sistem absensi berbasis pengenalan wajah, penelitian ini menggunakan pendekatan Local Binary Pattern Histogram (LBPH) untuk pengenalan wajah dan metode Haar Cascade Classifier untuk pendeteksi wajah. Terdapat 1000 dataset citra wajah yang akan dilakukan proses pelatihan model menggunakan metode LBPH. Model tersebut menghasilkan peforma Akurasi 97%, Presisi 96%, Recall 97%, dan F-1 Score 96%. Hasil tersebut menunjukan model yang dihasilkan memberikan prediksi yang akurat dalam berbagai kelas. Dengan demikian, metode Haar Cascade Classifier dan metode Local Binary Pattern Histogram (LBPH) dapat diimplementasikan pada sistem absensi menggunakan pengenalan wajah.
Kata Kunci: Sistem Absensi, Pengenalan Wajah, Haar Cascade Classifier, Local Binary Pattern Histogram

ABSTRACT
At Dipa University in Makassar, the student attendance system is still manually conducted with records kept on paper. Issues such as data manipulation and inefficiencies in attendance documentation often occur with this manual attendance system. With technological advancements, a facial recognition attendance system can automatically collect attendance data and identify or authenticate individuals from digital photos. To develop a facial recognition-based attendance system, this research utilizes the Local Binary Pattern Histogram (LBPH) approach for facial recognition and the Haar Cascade Classifier method for face detection. There are 1000 facial image datasets that will undergo model training using the LBPH method. The model yields performance metrics of 97% Accuracy, 96% Precision, 97% Recall, and 96% F-1 Score. These results indicate that the generated model provides accurate predictions across various classes. Thus, the Haar Cascade Classifier method and the Local Binary Pattern Histogram (LBPH) method can be implemented in an attendance system using facial recognition.
Keywords: Attendance System, Face Recognition, Haar Cascade Classifier, Local Binary Pattern Histogram

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 TON i - 0619TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xiv + 95 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 20 Februari 2024

Subjek

Skripsi/Tugas Akhir
Face Recognition
Haar Cascade Classifier
Local Binary Pattern Histogram

Lampiran File