Kinerja Algoritme Pengenalan Wajah untuk Sistem Penguncian Pintu Otomatis Menggunakan Raspberry-Pi

• Main Author: Budiarto, Raden
• Format: UMS Journal (OJS)
• Language: ind
• Published: Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia 2017
• Subjects: Pengenalan wajah; machine learning; raspberry; eigen fisherfaces; k-nearest neighbor
• Online Access: https://journals.ums.ac.id/index.php/khif/article/view/5160
• Summary: Pengenalan wajah mampu memberikan pengalaman interaksi yang paling alami, hal yang serupa ketika manusia mampu mengenali manusia lain melalui wajah. Hal positif lain dalam implementasi pengenalan wajah juga akan mengurangi biaya karena tidak memerlukan alat pengenal khusus selain kamera yang saat sudah tertanam di berbagai perangkat seperti laptop, smartphone, atau tablet. Bagaimana pun mengenali wajah bukan merupakan tugas mudah bagi komputer. Masalah ini timbul karena komputer diharuskan untuk melakukan klasifikasi wajah dengan berbagai situasi dan kondisi seperti pencahayaan yang gelap, dan tangkapan gambar latar belakang yang ada. Makalah ini mengajukan penelitian sistem pengenalan wajah menggunakan Raspberry Pi yang diterapkan pada sebuah prototipe pengunci pintu. Metode yang digunakan yakni mengambil sampel dataset kemudian mengevaluasi dan membandingkan algoritme pembelajaran untuk dianalisis tingkat keakuratan dan kecepatan dalam mengenali wajah. Pengujian dilakukan untuk menganalisis metode training dataset yang paling baik untuk diimplementasikan berdasarkan kriteria sensitivitas, spesifisitas dan false rate.Terdapat 4 buah algoritme yang diuji yakni Eigenfaces/PCA dan K-Nearest Neighbor (K-NN), PCA-LDA dan K-NN, Eigenfaces/PCA dan Support Vector Machine (SVM), PCA-LDA dan SVM. Hasil penelitian menunjukkan algoritme hybrid Eigen-Fisherfaces (PCA-LDA) dan k-nearest neighbor adalah yang metode yang paling akurat untuk pengenalan wajah.