JITE, 5 (1) July 2021 ISSN 2549-6247 (Print) ISSN 2549-6255 (Online)
JITE (Journal of Informatics and
Telecommunication Engineering)
Available online http://ojs.uma.ac.id/index.php/jite DOI : 10.31289/jite.v5i1.5315
Received: dd-mm-yyyy Accepted: dd-mm-yyyy Published: 17 July 2021
Integration Face Recognition and Body Temperature
Christin Erniati Panjaitan1), Dara Hagayna1), David Prandi1),& Remancus Wiranto1) 1)Prodi Teknik Elektro, Fakultas Teknologi dan Ilmu Komputer, UNPRI, Indonesia
Coresponding Email: [email protected] Abstrak
Pada umumnya, absensi masih dilakukan secara manual pada sebuah lembar yang sudah disediakan. Hal ini terlihat kurang efektif karena dapat mengurangi waktu dan konsentrasi saat proses pembelajaran berlangsung di kelas. Untuk meningkatkan efektifitas, maka penelitian ini menggunakan Face Recognition. Face recognition adalah sebuah teknologi pengenal wajah. Teknologi ini memanfaatkan kecerdasan Aritificial Intelligence (AI) untuk mengenal wajah. Face Recognition juga dapat mengurangi mahasiswa yang sering melakukan titip absen yang secara langsung lebih efektif dari metode konvesional. Pada pengaplikasiannya, kamera digunakan untuk merekam dan mendeteksi wajah. Dalam proses pengerjaannya, Raspberry PI 3b digunakan sebagai inti dari alat ini. Dan juga, pada penelitian ini penulis mengembangkan dengan menggabungkan sebuah sensor suhu dan sebuah buzzer. Pengujian disetiap komponen rata-rata berhasil dan ada yang gagal. Tetapi sudah sesuai dengan aturan sistem yang dibuat.
Kata Kunci: Face Recognition, Kamera, Raspberry Pi 3b, Spreadsheet, Buzzer. Abstract
Commonly, absence is done manually on the prepared paper. This thing is less effective because wasting time and distract student's focus in the classroom. To solve that problem, this research is using Face Recognition. Face Recognition is a face detection technology. This technology is using Artificial Intelligence (AI) to indetify faces. Face Recognition also can reduce the way that student pretend present but in fact is not. This tecnology is better than convetional method. In application, camera is used to record and detect faces. We used Raspberry Pi 3b as a main part. Moreover, in this research, we integrate face recognition with temperature sensors and buzzer Testing in each component is on average successful and some fail. But it is in accordance with the rules of the system made.
Keywords: Face Recognition, Camera, Raspberry Pi 3b, Spreadsheets, Buzzer.
How to Cite: Panjaitan, C. E., Hagayna, D., Prandi, D., & Wiranto, R. (2021). Integration Face Recognition and Body Temperature. JITE (Journal Of Informatics And Telecommunication Engineering). 5 (1): 198-208
I.
PENDAHULUAN
Sistem Absensi Face Recognition adalah sistem yang digunakan untuk mencatat kehadiran dengan menggunakan metode pendeteksian wajah seseorang (Diah Aryani 2017). Face recognition melakukan pencarian dan pengindeksan kedalam database dengan cara mengenali identitas diri seseorang secara otomatis dengan menggunakan teknologi computer (Darmansah 2021). Dalam aplikasinya sendiri pengenalan wajah menggunakan sebuah kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya telah disimpan di dalam database tertentu (Cipto Prabowo 2020). Data-data ini lalu dikrimkan melalui wifi ke web server untuk diproses dan direkap secara otomatis kedalalam database. Data yang sudah direkap lalu dikonfirmasi oleh wali dosen dan staff jurusan dan ditampilkan di Web (Rishad Harisdias Bustomi 2020). Juga pengenalan wajah merupakan suatu pengembangan dari teknologi deteksi wajah. Teknologi ini melakukan deteksi persamaan wajah seseorang dengan data wajah yang telah disimpan di database pada komputer. Sehingga komputer dapat mengenali dan mengetahui identitas wajah seseorang
199
Dalam kehidupan nyata pengenalan wajah melalui aplikasi komputer telah banyak diterapkan di berbagai bidang seperti hiburan, mekanisme kontrol akses, penegakan hukum, pendidikan, dan sistem keamanan (Agung, Wirayuda, & Supriana, 2017). Permasalahan utama pada pengenalan wajah yaitu bagaimana mengatasi variasi pose, perbedaan atribut, dan pencahayaan (Wirayuda dan Supriana, 2017). Terdapat 4 tahapan dalam sistem pengenalan wajah yaitu akuisisi citra wajah, pre-processing, ekstraksi fitur, dan klasifikasi citra wajah tersebut. Dari keempat tahapan tersebut, tahapan ekstraksi fitur dan klasifikasi merupakan tahapan yang paling penting dalam sistem pengenalan wajah (Fandiansya, 2017).
Sistem absensi berdasarkan face recognition dan sensor suhu ini adalah alternaitf yang digunakan untuk meneghindari kecurangan, dimana pada saat melakukan absnesi manual, mahasiswa sering melakukan titip absen ke mahasiswa lainnya untuk melakukan tanda tangan. Pada dasaranya kita tahu situasi sekarang yang dialami Indonesia, yaitu Covid 19. Jadi tujuan digunakannya sensor suhu pada sistem absensi ini adalah untuk mengukur suhu setiap mahasiswa yang akan memasuki ruangan. Jika terdapat mahasiswa yang suhu nya >38°C maka mahasiswa yang terkait tidak diperkenankan untuk masuk ruangan karena suhu yang tinggi merupakan salah satu inidkasi awal terpapar covid-19. Maka dibuatlah sistem absensi ini.
II. STUDI PUSTAKA
Pada penelitian sebelumnya (Abstrid Nabila Prima 2020), melakukan penelitian face recognition sebagai sistem absensi mahasiswa juga berbasis raspberry. Keberhasilan dalam pedekteksi wajah ini berjalan dengan baik dalam jarak lebih kurang 30cm saat melakukan pendeteksian setiap mahasiswa. Dalam proses pendeteksian dan pengenalan wajah mahasiswa, sistem dapat membaca 3 data mahasiswa dalam satu frame sekaligus pada jarak 30 – 90cm. Sedangkan penelitian (Hernanda Agung Saputra), tentang bagaimana pengaruh cahaya terhadap keberhasilan menjalankan alat dan batasan jarak agar mengukur seberapa jauh wajah dapat terdeteksi. Maka dari itu hasil uji berdasarkan intensitas cahaya, pagi=25-37 lux, siang= 40-55 lux, malam 10-21 lux. Sehingga didapat akurasi terbaik saat mendeteksi wajah adalah 40 cm. Penelitian deteksi wajah berdasarkan segmentasi model warna menggunakan template matching pada objek bergerak.
Sistem pengenalan wajah biasa membantu dalam banyak hal seperti: memeriksa catatan kriminal, peningkatan keamanan dengan menggunakan pengawasan kamera bersama dengan sistem pengenalan wajah, menemukan anak yang hilang dengan menggunakan gambar yang diterima dari kamera yang terpasang di beberapa tempat umum, mengetahui terlebih dahulu jika beberapa VIP memasuki suatu wilayah, mendeteksi pelaku kejahatan di tempat umum, serta dapat digunakan di berbagai bidang ilmu untuk membandingkan suatu entitas dengan satu set entitas serta untuk pengenalan pola (Nur Salman 2019). Pengenalan wajah termasuk dalam sistem biometrik yang banyak digunakan saat ini. Sistem biometrik dengan pengenalan wajah dapat diaplikasian dalam proses pencatatan kehadiran. Kehadiran adalah faktor yang sangat berguna untuk berbagai keperluan dan merupakan salah satu kriteria penilaian yang penting dalam sebuah instansi. Sama halnya dalam dunia pendidikan, kehadiran juga sangat penting untuk mengetahui dan mengontrol kedisiplinan para mahasiswa(Liza Fitria 2020). Suhu adalah keadaan panas dan dingin yang diukur dengan menggunakan termometer. Di dalam tubuh terdapat 2 macam suhu, yaitu suhu inti dan suhu kulit. Suhu inti adalah suhu dari tubuh bagian dalam dan besarnya selalu dipertahankan konstan, sekitar ± 1ºF (± 0,6º C) dari hari kehari, kecuali bila seseorang mengalami demam. Sedangkan suhu kulit berbeda dengan suhu inti, dapat naik dan turun sesuai dengan suhu lingkungan (Kristin2020).
III. METODE PENELITIAN
Jenis penelitian yang digunakan dalam kasus ini adalah jenis penelitian eksperimen. Jenis penelitian eksperimen merupakan penelitian yang bersifat menguji sebuah hipotesis atau mengenali sebab akibat dengan maksud tertentu. Metode eksperimen dapat diartikan sebagai pendekatan penelitian kuantitatif yang yang paling penuh, dalam arti memenuhi semua persyaratan untuk menguji hubungan sebab-akibat (Sukmadinata, 2017).
A.
Analisis Sistem
Sistem akan dibangun dengan menggunakan raspberry pi yang di gabungkan dengan Arduino yang digunakan untuk pengambilan absen dengan menggunakan kamera dalam penginputan wajah dan pengecekan suhu. Setelah itu data pengambilan absen akan disimpan di database dan outputnya akan terlihat pada software data absensi yang tersedia. Dalam pembuatan face recognition sebagai sistem absensi menggunakan Raspberi Pi 3b dan pendeteksi suhu tubuh terdapat beberapa software dan hardware 1. Software
Terdapat beberapa software yang diperlukan dalam pembuatan implementasi face recognition sebagai sistem absensi mahasiswa berbasis Raspberry Pi 3b dan pendeteksi suhu tubuh menggunakan sensor suhu GY-906.
Tabel 1. Spesifikasi Software
No Software Keterangan
1 Raspberi Pi 3b Sebagai sistem oprasi yang
menjalankan program
2 Google Spreadsheet Tempat pengiriman data
3 Python Software yang digunakan
sebagai pembuatan database
4 Arduino Uno Sofware yang digunakan untuk
pembuatan coding untuk sensor suhu
2. Hardware
Terdapat beberapa hardware yang diperlukan dalam pembuatan implementasi face recognition sebagai sistem absensi mahasiswa berbasis Raspberry Pi 3b dan pendeteksi suhu tubuh menggunakan sensor suhu GY-906.
Table 2. Spesifikasi Hardware
No Hardware Keterangan
1 Prcessor (Raspberry Pi 3) 1GHz
2 Pi Camera Disesuaikan
3 RAM 1 GB
4 SD Card 16 GB
5 Sensor Suhu GY-906 low noise amplifier, ADC 17 bit dan unit DSP
MLX90302 yang sangat bagus
6 Buzzer Alarm ketika suhu diatas 38°C
7 LCD 16X2 Tempat tampilann derajat suhu
201
B.
Proses Pengoperasian
Tidak Tidak Tidak Ya Ya TidakGambar 1. Flowchart Proses Pengoprasian
Ya
Pengisian data dilakukan secara manual dengan memasukan nama dan id seseorang. Setelah melakukan penginputan data, akan dilakukan akuisisi data dimana dalam proses ini data hasil pengambilan data wajah akan di proses. Pada proses absensi harus menunjukkan wajahnya ke dalam alat perekam kemudian dibandingkan dengan data wajah yang sudah ada, jika cocok maka akan masuk kedalam Database, jika tidak maka orang tersebut harus mengulang
.
Start
Inisiliasi Data
Aktifkan Frame Detection
Aktifkan Face Detectiom
Cek Data Wajah
Apakah Wajah Terdaftar?
Tampilkan Nama User
Cek Sensor Suhu
Aktifkan Alarm Apakah Suhu >38°C?
Tampilkan Suhu Ke LCD
Kirimkan Data Serial
Baca Data Masuk
Apakah Data Masuk? Tampikan Keterangan Tidak Diketahui
Parsing Data Masuk
Kirim Data Ke Google Spreadsheet
Selesai
A
C.
Diagram Sistem
Gambar 2. Diagram Sistem
Raspberry sebagai CPU atau core utama dimana kamera, layar monitor,Arduino, keyboard, mouse dihubungan. Sedangkan LCD dan NodeMCU dihubngkan ke Arduino sebagai tempat coding ,suhu ,buzzer dan LCD16X2. Berikut adalah penampakan komponen ketika sudah di rangkai yang terdidi dari:
Gambar 3. Rangkaian Alat Keterangan gambar 3 sebagai berikut:
Tabel 3. Keterangan Gambar No Panah Keterangan
1 1 Raspberry Pi 3 Sebagai sistem oprasi yang menjalankan program. 2 2 LCD 12X2 sebagai penampil suhu.
3 3 Sensor Suhu GY-906 sebagai alat pengukur suhu tubuh. 4 4 Buzzer sebagai indicator suara ketika suhu di atas 38°C. 5 5 Arduino sebagai mikrokontroler untuk buzzer dan sensor suhu. 6 6 NodeMCU sebagai pembacaan data pada arduino
Kamera Raspberry Pi 3B Arduino
Sensor Suhu (GY-906) Layar Monitor LCD 16X2 Node MCU
203
IV. HASIL DAN PEMBAHASAN
Penelitian akan diawali dengan membuat aturan sistem terhadap buzzer dan pengujian terhadap beberapa komponen, yaitu : pengujian terhadap buzzer, pengujian terhadap sensor suhu berdasarkan jarak, pengujian face recorgnition menggunakan aksesoris dan pengujian menyeluruh yaitu implementasi face recognition sebagai sistem absensi mahasiswa dan mengukur suhu tubuh menggunakan sensor suhu GY-906
A. Aturan Sistem Pada Buzzer
Temperatur normal pada manusia adalah 36,1-37,2°C derajat Celcius. Namun ada juga penelitian yang menyebutkan bahwa suhu normal orang dewasa berada pada angka yang sedikit lebih rendah yakni 36,5 – 37,5°C derajat Celcius. Maka dari itu, dibuat aturan atau sistem jika suhu melewati 38°C maka buzzer akan berbunyi.
Tabel 4. Aturan Sistem No Suhu (°C) Kondisi Buzzer 1 <38°C OFF
2 >38°C ON
B. Pengujian Terhadap Buzzer
Pengujian ini dilakukan untuk mengetahui apakah buzzer masih bekerja sesuai dengan coding yang diatur di dalam Arduino. Berikut pengujiannya:
Tabel 5. Pengujian Buzzer
No Suhu Buzzer
1 36,7°C OFF
2 35,2°C OFF
3 36,8°C OFF
4 49,9°C ON
Terlihat pada tabel diatas bahwa buzzer dapat berkerja sesuai dengan aturan sistem yang dibuat dimana jika suhu <38°C maka buzzer tidak akan berbunyi. Begitu juga sebaliknya, jika suhu >38°C maka buzzer akan berbunyi.
C.
Pengujian Sensor Suhu berdasarkan Jarak
Pengujian ini dilakukan untuk mengukur dijarak berapakah sensor tersebut dapat membaca suhu dan tidak dapat membaca suhu . Dari percobaan pada table dibawah, diketahui bahwa sensor dapat membaca suhu pada jarak 1-5 cm tapi pada jarak >5 cm sensor tidak dapat membaca suhu. erikut tampilannya dalam bentuk tabel:
Tabel 6 Pengujian Sensor
Percobaan Gambar Jarak Status
2 2 Cm Terbaca
3 3 Cm Terbaca
4 4 Cm Terbaca
5 5 Cm Terbaca
6 6 Cm Tidak Terbaca
D.
Pengujian Face Recognition
1. Pengujian Absensi Mahasiswa
Pada pengujian ini absensi mahasiswa, yang perlu dilakukan adalah menjalankan sistem dengan memanggil frame scan wajah dan mengaktifkan sensor suhu GY-906.
205
Setelah wajah mahasiswa terdeteksi dan suhu terbaca maka akan tampil seperti gambar 4, nama yang terdeteksi berdasarkan wajah yang disesuaikan dengan data mahasiswa tersebut, lalu data nama yang terdeteksi dikirim ke server. Data nama yang masuk akan diolah otomatis oleh sistem dan akan diteruskan ke Spreadsheet untuk proses absensi, berikut data yang sudah masuk dan diolah pada Gambar 5.
Tabel 7. Hasil Pengujian Mahasiswa yang masuk ke spreadsheet
No Waktu Nama Suhu
1 01/07/2021 10:09:29 David 35.65°C 2 01/07/2021 10:11:59 David 35.13°C 3 01/07/2021 10:12:03 David 35.11°C 4 01/07/2021 10:12:08 David 35.07°C
2. Pengujian Menggunakan Aksesoris
Pengujian ini dapat diujicobakan memakai aksesoris dan tanpa memakai aksesoris untuk mengetahui apakah memakai aksesoris pada saat scan wajah akan mempengaruhi aturan sistem menjadi tidak dikenali atau tetap dikenali. Berikut pengujiannya :
Tabel 8. Pengujian Memkai Aksesoris
Data Wajah saat
melakukan Perekaman Scan Wajah Aksesoris Status
Kacamata Hitam Tidak Dieknal (unknown)
Masker Tidak Dikenal (unknown)
Kacamata dan Topi Dikenal sebagai “DARA”
Kacamata dan
Masker Tidak Terdeteksi
Penjelasan pada hasil percobaan diatas adalah terdapat wajah yang dikenal saat memakai aksesoris kacamata bening dan topi dan terdapat wajah yang tidak dikenal(Unknown) saat memakai aksesoris kacamata hitam dan masker. Ada juga yang tidak terdeteksi sama sekali oleh frame detetction, artinya proses pengujian face recognition menggunakan aksesoris mempengaruhi aturan sistem yang dibuat. Tetapi hasilnya dapat berebeda sesuai wajah yang direkam dan disimpan di database tertentu.
3. Pengujian Berdasarkan Jarak
Pengujian ini bertujuan untuk mengetahui jarak yang bisa di deteksi face recognition. Keberhasilan pendeteksian dan pengenalan wajah dengan variabel jarak 35 cm dapat mendeteksi dan mengenali mahasiswa dengan sangat baik. Berikut adalah tabel pengujian pengaruh jarak pada face recognition.
Tabel 9. Hasil Uji Coba Jarak
Percobaan Data Wajah Jarak Status
1 25 Cm Dikenali
207
3 50 Cm Dikenali 4 70 Cm Dikenali 5 100 Cm Tidak Dikenali 7 >100 Cm Tidak dikenaliV. KESIMPULAN
Kesimpulan yang dapat diambil dari penelitian ini adalah: Sistem absensi berbasis face recognition yang di kombinasikan dengan deteksi suhu sangat berguna dalam proses absensi mahasiswa pada saat masa Covid-19 ini. Tidak hanya lebih aman, kita juga dapat mengetahui suhu tubuh kita menggunakan sensor suhu GY-906. Buzzer yang berfungsi sesuai aturan sistem yaitu jika suhu >38°C maka buzzer akan berbunyi dan jika suhu <38 maka buzzer tidak akan berbunyi. Sensor Suhu GY-906 dapat membaca suhu dijarak 1 cm samapai 5 cm, jika >5cm sensor tidak dapat membaca suhu. Penggunaan aksesoris mempengaruhi proses saat melakukan face recognition. Wajah dapat dikenali dalam jarak 25 cm sampai 70 cm. Jarak ideal untuk melakukan face recognition adalah 35 cm.
DAFTAR PUSTAKA
Agung, T., Wirayuda, B., dan Supriana, I. (2017). Opportunity and Challenge on Face Recognition Generic-To-Specific Feature Representation and Recognition Strategy. International Journal of Latest Trends in Engineering and Technology 9(1), 6-13.
Alexander, L. W., Sentinuwo, S. R., Sambul, A. M., Informatika, T., Sam, U., dan Manado, R. (2017). Implementasi Algoritma Pengenalan Wajah untuk Mendeteksi Visual Hacking. E-Journal Teknik Informatika 11(1).
Astrid Nabila Prima , Cipto Prabowo, Rasyidah.(2020) Sistem Absensi dengan OpenCV Face Recognition dan Raspberry Pi.
Darmansah.(2021). Perancangan Absensi Berbasis Face Recognition Pada Desa Sokaraja Lor Menggunakan Platform Android.
Diah Aryani, Muhammad Nur Ihsan, Puspita Septiyani. (2017). PROTOTYPE SISTEM ABSENSI DENGAN METODE FACE RECOGNITION BERBASIS ARDUINO PADA SMK NEGERI 5 KABUPATEN TANGERANG. Fandiansyah. (2017). Pengenalan Wajah Menggunakan Metode Linier Discriminant Analysis dan K Nearest
Neighbour. Jurnal Teknik Informatika, 5(2).
Hernanda Agung Saputra.(2019). Deteksi dan Pengenalan Wajah sebagai Pendukung Keamanan Menggunakan Algoritme Haar-Classifier dan Eigenface Berbasis Raspberry Pi.
Kristin Evalinus Naibaho. (2020). PENGUKUR SUHU TUBUH SECARA TAK SENTUH MENGGUNAKAN SENSOR SUHU IR NONCONTACT MLX90614 BERBASIS ARDUINO NANO.
Liza Fitria, Munawir Munawir, Muhammad Hermansyah.(2020). Implementasi Face Recognition Pada Absensi Kehadiran Mahasiswa Menggunakan Metode Haar Cascade Classifier.
Nur Salman.(2019). SISTEM PRESENSI KEHADIRAN MENGGUNAKAN METODE FISHERFACE.
Pratama, Y. (2017). Absensi Kehadiran Mahasiswa di Kelas secara Real Time Berbasis Multi Wajah Menggunakan Metode Eigenface . Journal Of Control And Network Systems, 6(2), 89–98.
Rishad Harisdias Bustomi, Teddi Hariyanto. (2020). Sistem Absensi Berbasis Pengenalan Wajah dengan Metode LBPH Menggunakan Raspberry Pi.
Sukmadinata, Nana Syaodih. (2017). Metode Penelitian Pendidikan. Bandung : PT Remaja Rosdakarya.
Kyaw, Ar Kar, Hong Phat Truong, and Justin Joseph. "Low-Cost Computing Using Raspberry Pi 2 Model B." JCP 13.3 (2018): 287-299.
Patel, Anjali, and Ashok Verma. "IOT based Facial Recognition Door Access Control Home Security System." International Journal of Computer Applications 172.7 (2017): 11-17.
