Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 3, No. 1, 2017 p-ISSN : 2460-0741 / e-ISSN : 2548-9364 9 Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA) Cucu Suhery #1 , Ikhwan Ruslianto *2 # Prodi Sistem Komputer Fakultas MIPA, Universitas Tanjungpura Jalan Prof. Hadari Nawawi Pontianak 1 csuhery@siskom.untan.ac.id * Universitas Tanjungpura Jalan Prof. Hadari Nawawi Pontianak 2 ikhwanruslianto@siskom.untan.ac.id Abstrak— Berbagai sistem monitoring presensi yang ada memiliki kekurangan dan kelebihan masing-masing, dan perlu untuk terus dikembangkan sehingga memudahkan dalam proses pengolahan datanya. Pada penelitian ini dikembangkan suatu sistem monitoring presensi menggunakan deteksi wajah manusia yang diintegrasikan dengan basis data menggunakan bahasa pemrograman Python dan library opencv. Akuisisi data citra dilakukan dengan ponsel android, kemudian citra tersebut dideteksi dan dipotong sehingga hanya didapat bagian wajah saja. Deteksi wajah menggunakan metode Haar-Cascade Classifier, kemudian ekstraksi fitur dilakukan menggunakan metode Principal Component Analysis (PCA). Hasil dari PCA diberi label sesuai dengan data manusia yang ada pada basis data. Semua citra yang telah memiliki nilai PCA dan tersimpan di basis data akan dicari kemiripannya dengan citra wajah pada proses pengujian menggunakan metoda Euclidian Distance. Pada penelitian ini basis data yang digunakan yaitu MySQL. Hasil deteksi citra wajah pada proses pelatihan memiliki tingkat keberhasilan 100% dan hasil identifikasi wajah pada proses pengujian memiliki tingkat keberhasilan 90%.. Kata kunci— android, haar-cascade classifier, principal component analysis, euclidian distance, MySQL, sistem monitoring presensi, deteksi wajah I. PENDAHULUAN Seiring perkembangan teknologi, sistem monitoring presensi mulai beralih dengan menggunakan sidik jari sebagai bentuk monitoring dan validasi seseorang dalam suatu kegiatan. Proses dari sistem presensi ini dilakukan dengan menggunakan sebuah mesin pengenal sidik jari yang dipasang pada sebuah tempat atau ruangan. Sistem ini juga masih mempunyai suatu kelemahan, yaitu pemindaian sidik jari orang hadir harus dilakukan secara bergiliran, tidak bisa dilakukan secara bersamaan sekaligus, sehingga seringkali menimbulkan antrian yang panjang. Oleh karena itu sistem ini dianggap kurang efisien. Permasalahan lain adalah kondisi jari yang dideteksi harus dalam keadaan bersih karena ketika ada derau pada sidik jari, biasanya sistem sulit untuk mencocokan data sidik jari yang ada dalam basis data. selain itu posisi letak jari yang tidak pas pada mesin pengenal sidik jari dapat membuat sistem juga tidak dapat mengindentifikasi jari tersebut. Perkembangan sistem monitoring presensi pada tingkat sekolah atau kampus juga mulai merambah melalui identifikasi wajah, pada sebuah ruangan dapat dipasang sebuah kamera yang berfungsi untuk mengindentifikasi wajah dari siswa atau mahasiswa yang sedang mengikuti proses belajar mengajar. Akan tetapi sistem ini memerlukan jumlah kamera yang banyak karena kondisi kamera yang statis membuat banyak kamera harus terpasang diberbagai sudut agar semua siswa atau mahasiswa teridentifikasi. Penelitian yang pernah dilakukan tentang perbandingan metode identifikasi wajah manusia yaitu Local Binarry Pattern Histogram (LBPH), Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA) pada perangkat handphone berbasis Android [1]. Hasil penelitian memiliki tingkat keberhasilan 72% sehingga metode Local Binarry Pattern Histogram cocok digunakan untuk identifikasi wajah manusia pada handphone berbasis android. Berdasarkan permasalahan diatas, penelitian tentang sistem monitoring presensi menggunakan identifikasi wajah manusia dapat dikembangkan dengan menggunakan handphone berbasis android sebagai perangkat akuisisi citra wajah untuk proses pelatihan. Proses deteksi pada tahap pengujian dengan webcam dapat dilakukan dengan Haar-Cascade Classifier dan menggunakan bahasa pemrograman Python karena proses komputasi yang sangat besar sehingga proses identifikasi dan presensi kehadiran dapat dilakukan dengan cepat dan akurat. II. TINJAUAN PUSTAKA A. Sistem Absensi Wajah menggunakan PCA Penelitian ini menggunakan metode Principal Component Analysis (PCA) sebagai salah satu cara untuk mereduksi citra pada saat proses ekstraksi fitur. Sedangkan algoritma yang digunakan untuk melakukan identifikasi menggunakan eigenface. Keunggulan sistem absensi ini dapat melakukan identifikasinya secara