Terbit online pada laman web jurnal: https://ejournal.upm.ac.id/index.php/energy/ Jurnal Energy (Jurnal Ilmiah Ilmu-ilmu Teknik) Vol. 13 No. 1 Edisi Mei 2023 ISSN: 2088-4591 * E-ISSN: 2962-2565 Lukman Syahrul Gunawan Jurnal ENERGY (Jurnal Ilmiah Ilmu-ilmu Teknik) Vol. 13 No. 1 (2023) 8 Rancang Bangun Aplikasi Absensi Mahasiswa Menggunakan Metode Viola Jhones Algoritma Haar Cascade di UIM Design and Development of Student Attendance Application Using Viola-Jones Method and Haar Cascade Algorithm at UIM Lukman Syahrul Gunawan 1* , Busro Akramul Umam 2 , Masdukil Makruf 3 1 Informatika, Teknik, Universitas Islam Madura, Madura, Indonesia 2 Informatika, Teknik, Universitas Islam Madura, Madura, Indonesia 3 Informatika, Teknik, Universitas Islam Madura, Madura, Indonesia 1 lukmansyahrulg@gmail.com * Abstract The recognition of human facial images is one of the key technologies that continues to be developed. In the field of Computer Vision, it finds its applications in biometric recognition systems, search and indexing in digital video databases, restricted area access control systems, video conferences, human-computer interaction, and more. The Viola-Jones method is an object detection method known for its high accuracy of approximately 93.7%, and it is 15 times faster than the Rowley Baluja-Kanade detector and around 600 times faster than the Schneiderman- Kanade detector. The Haar Cascade Classifier algorithm is one of the algorithms used to detect a face. The Cascade Classifier is utilized in attendance recording with real-time face recognition, enabling the real-time recording of students. To enhance the abstract, it could be mentioned that to further improve the effectiveness and accuracy of face recognition systems, researchers have explored combining the Viola-Jones method with other techniques. For instance, the Haar Cascade Classifier algorithm can be combined with the Local Binary Pattern (LBP) algorithm, which preserves important information in images and performs well under low lighting conditions. By integrating these techniques, face recognition systems can achieve better results in classifying human heads, which are often the primary objects of interest in face recognition. Additionally, in conducting photo capture experiments using a camera, it is important to employ grayscale coloration, which retains the grayscale information in the images. Furthermore, capturing six photos during the process ensures more effective results and facilitates the assignment of unique IDs for easier data differentiation. Keywords: Computer Vision, Biometric recognition system, Viola-Jones Method, Haar Cascade Classifier Algorithm, Face Detection. Abstrak Pengenalan citra wajah manusia memiliki peran penting dalam perkembangan teknologi. Dalam bidang Computer Vision, pengenalan wajah digunakan dalam berbagai aplikasi, termasuk sistem pengenalan biometrik, pencarian dan indeksing dalam database video digital, sistem keamanan untuk kontrol akses area terbatas, konferensi video, interaksi manusia dengan komputer, dan banyak lagi. Salah satu metode terkenal untuk deteksi objek adalah metode Viola-Jones. Metode ini memiliki tingkat akurasi yang cukup tinggi, mencapai sekitar 93,7%, dan kecepatan 15 kali lebih cepat daripada detektor Rowley Baluja-Kanade serta sekitar 600 kali lebih cepat dari detektor Schneiderman-Kanade. Metode Viola-Jones menggunakan fitur Haar sebagai deskriptor dan menggabungkannya dengan teknik Integral Image dan AdaBoost untuk mencari dan memilih fitur yang relevan, membentuk Cascade Classifier. Cascade Classifier ini digunakan dalam pencatatan absensi dengan pengenalan wajah yang memungkinkan pendataan mahasiswa secara real-time. Untuk meningkatkan keefektifan dan keakuratan sistem pengenalan wajah, beberapa penelitian telah mengkombinasikan metode Viola-Jones dengan teknik lainnya. Sebagai contoh, penggunaan algoritma Haar Cascade Classifier dapat dikombinasikan dengan algoritma Local Binary Pattern (LBP) yang dapat menyimpan informasi penting pada gambar dan bekerja dengan baik dalam kondisi pencahayaan yang rendah. Dengan penggabungan ini, sistem pengenalan wajah dapat memberikan hasil yang lebih baik dalam pengklasifikasian kepala manusia, yang sering menjadi objek utama dalam pengenalan wajah. Selain itu, dalam melakukan eksperimen pengambilan foto menggunakan kamera, penting untuk menggunakan pewarnaan graycreen abu-abu yang mempertahankan informasi keabuan dalam gambar. Selain itu, tahapan pengambilan foto perlu melibatkan 6 pengambilan foto untuk memastikan hasil yang lebih efektif dan memberikan ID unik yang memudahkan dalam membedakan data.