Abstract
Mesin absensi sidik jari gagal merekap absensi dengan kondisi jari yang terluka, tergores, kulit jari terkelupas dan lainnya sehingga kehadiran tidak tercatat. Penelitian ini bertujuan membuat mesin absensi pengenalan wajah untuk meminimalisir kegagalan seperti pada mesin sidik jari. Penelitian ini merupakan pengembangan penelitian sebelumnya dengan sistem absensi Radio Frequency Identification (RFID) karena sistem absensi dengan RFID dapat dicurangi. Penggabungan sistem rekognisi wajah dan RFID pada sebuah mesin absensi dengan raspberry pi diharapkan dapat menimalisir kegagalan pada saat melakukan absensi. Seandainya terjadi kegagalan rekognisi wajah, pengguna dapat melakukan absensi dengan RFID. Absensi dengan RFID pada sistem ini hanya dapat dilakukan ketika terjadi kegagalan deteksi wajah. Untuk mengetahui persentase keberhasilan dan keakurasian mesin, setiap pengguna melakukan beberapa kali percobaan. Selanjutnya dicatat jumlah keberhasilan rekognisi wajah dan dihitung nilai akurasinya dengan metode perhitungan akurasi. Hasil percobaan identifikasi wajah, diperoleh keakurasian pengguna pertama sebesar 53 %, pengguna kedua 48 %, pengguna ketiga 45 % dan pengguna keempat 52 %. Mesin mampu memprediksi 4 gambar pengguna dengan 4 posisi wajah yang berbeda dengan waktu rata-rata proses identifikasi selama 7 detik.
Kata kunci : Face recognition, mesin absensi, raspberry pi.
The fingerprint attendance machine failed to record attendance with injured, scratched, peeled finger skin and others so that attendance was not recorded. This research is a development of previous research with Radio Frequency Identification (RFID) attendance system because attendance system with RFID can be rigged. The incorporation of a facial recognition system and RFID on an attendance machine with a raspberry pi is expected to minimize failures during attendance. If there is a facial recognition failure, the user can make attendance with RFID. Attendance with RFID in this system can only be done when there is a face detection failure. To find out the percentage of success and accuracy of the machine, each user performs several trials. Furthermore, the number of facial recognition successes was recorded and the accuracy value was calculated using the accuracy calculation method. The results of the face identification experiment showed that the accuracy of the first user was 53%, the second user was 48%, the third user was 45% and the fourth user was 52%. The machine is able to predict 4 user images with 4 different face positions with an average identification process time of 7 seconds.
Keywords: Face recognition, attendance machine, raspberry pi.