BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan semakin beraneka ragam permasalahan informasi yang harus ditangani, salah satu adalah dalam hal pengenalan pola.
Pengenalan wajah manusia adalah salah satu dari pengenalan pola yang penting dalam dunia usaha. Pengenalan wajah dalam sistem absensi karyawan pada sebuah perusahaan adalah untuk mengontrol sumber daya manusia (SDM). Salah satu fungsi mengontrol SDM bertujuan meningkatkan potensi sumber daya manusia dan dalam rangka efisiensi perusahaan.
Umumnya sistem absensi karyawan pada kantor dilakukan dengan mengisi buku absen atau yang lebih maju lagi dengan menggunakan mesin absensi. Mesin absensi tersebut menggunakan kartu tempat mencetak tanggal, jam masuk serta jam pulang. Dilihat dari segi keamanan, sistem ini mempunyai banyak kelemahan, antara lain adalah absen karyawan bisa dititipkan oleh karyawan lainnya (absen fiktif). Hal ini tentu berakibat kerugian bagi perusahaan, karena karyawan tersebut tidak masuk kerja tetapi tetap diberi gaji.
Untuk mencegah hal tersebut perlu dibuat sistem absensi karyawan yang tidak mungkin dilakukan manipulasi absen atau absen fiktif. Sistem absensi yang dirancang adalah sistem absensi dengan menggunakan pengenalan wajah karyawan.
Universitas Sumatera Utara
Untuk menggunakannya, karyawan memasukkan nomor identitas karyawan (NIK) ke dalam sistem, selanjutnya sistem mengambil foto karyawan dan mencocokkan dengan database wajah pada sistem. Jika wajahnya cocok dengan data NIK, maka absensi karyawan disimpan dan dianggap sah. Jika wajah karyawan tidak cocok dengan database sistem, maka pengisian absen batal dan karyawan tersebut dianggap tidak hadir.
Pencocokan wajah karyawan dilakukan dengan algoritma pengenalan wajah Eigenface. Eigenface
adalah kumpulan dari eigenvector yang digunakan untuk
masalah computer vision pada pengenalan wajah manusia. Teknik ini telah lama digunakan dalam pengenalan tulisan tangan, pembacaan bibir, pengenalan suara dan pencitraan medis. Menurut Lyman (2007), eigenface adalah sekumpulan standardized face ingredient yang diambil dari analisis statistik dari banyak gambar wajah. Satu wajah manusia dapat dipandang sebagai kombinasi dari wajah-wajah standar ini. Wajah seseorang bisa saja terdiri dari 10 % dari wajah 1, 20 % dari wajah 2, dan seterusnya sehingga jika ingin merekam wajah seseorang untuk pengenalan wajah, maka bisa digunakan jauh lebih sedikit fitur daripada yang ditangkap oleh foto digital.
Untuk menghasilkan eigenface, sekumpulan besar citra digital dari wajah manusia diambil pada kondisi pencahayaan yang sama dan kemudian dinormalisasi selanjutnya diolah pada resolusi yang sama (misalnya 80 x 80 pixel). Lalu citra tersebut diperlakukan sebagai vector dimensi 80 x 80 pixel di mana komponennya diambil dari nilai pixel-nya. Untuk menentukan eigenface dari sekumpulan citra wajah, digunakan algoritma eigenface berdasarkan Principle Component Analysis (PCA).
1.2 Perumusan Masalah
Permasalahan yang dibahas adalah bagaimana mengontrol absensi dengan menggunakan citra wajah karyawan hasil bidikan capture webcam sebagai pembanding untuk mencegah manipulasi absen oleh karyawan.
Universitas Sumatera Utara
1.3 Batasan Masalah
Agar pembahasan tidak menyimpang, perlu dibuat suatu batasan masalah sebagai berikut: 1. Komputer yang digunakan memakai sistem operasi Windows XP. 2. Webcam yang digunakan ber resolusi minimal 2 Mega Pixel. 3. Foto asli karyawan disimpan dalam format JPG sebagai pembanding. 4. Ukuran foto karyawan adalah 80 x 80 pixel. 5. Sebelum dilakukan proses pencocokan, foto hasil capture webcam harus dinormalisasi agar sesuai dengan ukuran foto asli. 6. Algoritma pengenalan wajah yang digunakan adalah algoritma Eigenface. 7. Waktu pelaksanaan absensi masuk dilakukan sampai jam 9 pagi, selanjutnya dilakukan pemasukan absensi secara manual oleh Admin. 8. Waktu pelaksanaan absensi keluar dilakukan mulai dari jam 16 sampai jam 18 WIB.
1.4 Tinjauan Pustaka
Untuk maksud dan tujuan penelitian ini, penulis memanfaatkan buku sebagai referensi di antaranya: Hanif Al Fatta dalam bukunya “Rekayasa Sistem Pengenalan Wajah”, 2009, memuat bahwa Eigenface adalah salah satu algoritma pengenalan wajah yang didasarkan pada Principle Component Analysis (PCA) yang dikembangkan di Massachusetts Institute of Technology (MIT). Algoritma eigenface secara keseluruhan cukup sederhana. Training image yang direpresentasikan dalam sebuah vektor flat (gabungan vektor) dan digabungkan bersama-sama menjadi sebuah matriks tunggal. Eigenfaces dari masing-masing citra kemudian diekstraksi dan disimpan dalam file temporary atau database. Test image yang masuk didefinisikan juga nilai eigenfacesnya dan dibandingkan dengan eigenfaces dari image dalam database atau file temporary. Adapun algoritma selengkapnya adalah:
Universitas Sumatera Utara
1. Buat MakeFlatVectors(ImageList, N, M): ImageList adalah kumpulan dari N training image, di mana setiap image adalah W x H piksel. M adalah ukuran vektor flat yang harus dibuat. 2. Gabungkan setiap image dalam WH elemen vektor dengan menggabungkan semua baris. Buat ImageMatrix sebagai matriks N x WH berisi semua gambar yang digabung. 3. Jumlahkan semua baris pada ImageMatrix dan bagi dengan N untuk mendapatkan rataan gambar gabungan. Lalu namakan vektor elemen WH ini dengan R. 4. Kurangi ImageMatrix dengan average image R. Namakan matriks baru ukuran N x WH sebagai R’. 5. Jika pada elemen-elemen dari matriks R’ ditemukan nilai negatif, maka ganti nilainya dengan nilai 0.
1.5 Tujuan Penelitian
Adapun tujuan penelitian pada tugas akhir ini adalah untuk merancang suatu sistem pengontrolan absensi karyawan dengan menggunakan webcam untuk meningkatkan keamanan absensi agar tidak bisa dimanipulasi seperti menitipkan absen pada karyawan lain.
1.6 Kontribusi Penelitian
Dengan adanya penelitian pengenalan wajah manusia dengan menggunakan metode Eigenface dapat meningkatkan potensi sumber daya manusia pada sebuah perusahaan maupun efisiensi pengeluaran karena kehadiran karyawan dapat diawasi dengan lebih teliti. Jadi pegawai yang tidak masuk kerja atau terlambat masuk akan dikenakan sanksi atau pemotongan gaji sesuai dengan kebijakan perusahaan.
Universitas Sumatera Utara
1.7 Metode Penelitian
Metode penelitian yang digunakan dalam tulisan ini adalah sebagai berikut:
1. Membahas teori tentang pengenalan wajah
2. Membahas teori tentang algoritma Eigenface, yaitu:
a. Metode Principal Component Analysis (PCA) atau yang biasa disebut sebagai metode eigenface di mana citra wajah dalam bentuk matriks dua dimensi (2-D) terlebih dahulu ditransformasikan ke dalam bentuk vektor satu dimensi (1-D) untuk mendapatkan fitur ekstraksinya. Metode 2 Dimensi Principal Component Analysis (2DPCA) di mana pada metode ini sebuah citra wajah dalam matriks 2-D tidak perlu lagi ditransformasikan ke dalam bentuk vektor 1-D untuk mendapatkan fitur ekstraksi yang baik dalam suatu citra, tetapi dari matriks citra aslinya secara langsung didapatkan matriks kovariannya yang nantinya didapatkan pula eigenvektor untuk fitur ekstraksi dari sebuah citra wajah. b. Uji coba dilakukan dalam beberapa tahap, pertama dengan memilih 3 citra wajah dari tiap person yang ada sebagai data pelatihan, jika program sdh berjalan dgn baik, maka lanjutkan dengan 5 citra wajah dari person yang ada, dan seterusnya.
3. Basis data wajah yang digunakan dalam penelitian ini adalah Microsoft Access.
Universitas Sumatera Utara
