PENGENALAN CITRA WAJAH PADA SISTEM PRESENSI KARYAWAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN HAVERSINE FORMULA

Muh. Mustafa Daniel Noya, Mardi Hardjianto

Abstract


Penerapan pengolahan citra wajah pada sistem presensi karyawan menjadi kebutuhan penting di era teknologi. PT. SISMEDIKA telah melakukan implementasi sistem presensi karyawan dengan menggunakan teknologi sidik jari (finger print). Namun, hal tersebut dapat menghambat karyawan jika terjadi cedera pada jari ataupun jari dalam keadaan basah. Oleh karena itu, penelitian ini membuat aplikasi presensi dengan pendeteksian wajah menggunakan metode K-Nearest Neighbor. Sistem ini juga dilengkapi teknologi geotagging dengan GPS dan pemanfaatan Google Maps API untuk memilih dan membatasi area presensi dan melakukan perhitungan jarak antara kedua titiknya dengan metode Haversine Formula. Penelitian ini bertujuan untuk menghindari faktor-faktor yang dapat menjadi penghambat bagi karyawan dalam melakukan presensi. Hasil penelitian menunjukkan metode Haversine Formula berjalan baik, karyawan tidak dapat presensi di luar area yang ditentukan. Penggunaan dataset foto individu dengan 10 label. Identifikasi wajah menggunakan K-NN mencapai akurasi 0,99784, presisi 0,991, dan recall 0,979.

Keywords


Haversine Formula; K-Nearest Neighbor; Pengenalan Citra Wajah; Sistem Presensi Karyawan

Full Text:

PDF PDF

References


I. Kurniawan, T. Irfan, P. Studi Elektronika Industri, J. Teknik Elektro, P. Negeri Jakarta, and J. G. Siwabessy, “Sistem Presensi Berbasis Face Recognition,” 2019.

F. Pratama and P. Putra, “Pengembangan Sistem Presensi Untuk Work From Home (Wfh) Dan Work From Office (Wfo) Selama Pandemi Covid-19,” 2022.

M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” ILKOM Jurnal Ilmiah, vol. 11, no. 3, pp. 269–274, Dec. 2019, doi: 10.33096/ilkom.v11i3.489.269-274.

M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” ILKOM Jurnal Ilmiah, vol. 11, no. 3, pp. 269–274, Dec. 2019, doi: 10.33096/ilkom.v11i3.489.269-274.

M. Kamal Syarifudin, R. Titi, K. Sari, and M. K. Syarifudin, “Perbandingan Metode Euclidean Distance dan Haversine Distance pada Aplikasi Sistem PPDB dan algoritma K-Means Untuk Menentukan Kebijakan Peraturan Zonasi,” vol. 15, no. 4, pp. 1979–276, 2022, doi: 10.30998/faktorexacta.v15i4.14795.

S. H. Bariah, M. Irsad, and S. Putra, “Penerapan Metode Waterfall Pada Perancangan Sistem Informasi Pengolahan Data Nilai Siswa”.

A. Indriani, “Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier.” [Online]. Available: www.bluefame.com,

M. Rangga, A. Nasution, and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” Jurnal Informatika, vol. 6, no. 2, pp. 212–218, 2019, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji

K. L. Kohsasih, Z. Situmorang, and I. Artikel, “Analisis Perbandingan Algoritma C4.5 Dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular,” Jurnal Informatika, vol. 9, no. 1, pp. 13–17, 2022, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji

: Martin and L. Nilawati, “Recall dan Precision Pada Sistem Temu Kembali Informasi Online Public Access Catalogue (OPAC) di Perpustakaan,” vol. 21, no. 1, pp. 77–84, 2019, doi: 10.31294/p.v20i2.




DOI: https://doi.org/10.36080/telematikamkom.2676

Refbacks



Copyright (c) 2023 Telematika MKOM

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Universitas Budi Luhur Jl. Raya Ciledug,Petukangan Utara,Jakarta Selatan 12260 Telp. (021) 5869225, 5853753 ext 227, 228 Fax. (021) 5869225