Implementasi Face Recognition Pada Absensi Karyawan

Implementasi Face Recognition Pada Absensi Karyawan

Menggunakan Local Binary Pattern Histogram dan SHA 256 bit

Ellanda Purwawijaya¹, Roy Nuary Singarimbun¹, Hendra Pasaribu^2,*

1Fakultas Teknologi, S-1 Teknologi Informasi, Universitas Battuta, Medan, Indonesia

2 Fakultas Teknologi dan Ilmu Komputer, S-1 Teknik Informatika, Universitas Prima Indonesia, Medan, Indonesia Email: ¹ellanda.purwa.wijaya@gmail.com, ²roy90singarimbun@gmail.com, ^3,*hendra_pa1000@unprimdn.ac.id

Email Penulis Korespondensi: hendra_pa1000@unprimdn.ac.id

Abstrak−Absensi merupakan suatu kegiatan yang menyatakan kehadiran atau tidaknya seorang karyawan. Salah satu model teknologi yang digunakan untuk menyatakan kehadiran seorang karyawan yaitu dengan mesin fingerprint. PT Global Andalas Cargotama telah menerapkan sistem absensi karyawan dengan menggunakan fingerprint. Tetapi dalam proses pelaksanaannya, mesin fingerprint memiliki kelemahan yaitu rentan terhadap manipulasi, identifikasi fingerprint yang sering terhambat dikarenakan membutuhkan perawatan mesin secara rutin serta rekapitulasi absensi yang masih dilakukan secara manual dan tidak real time. Sistem pengenalan wajah (face recognition) adalah suatu aplikasi untuk mengenali wajah secara real time dan akurat dan dapat diterapkan untuk mengatasi kelemahan mesin fingerprint. Penelitian ini menggunakan metode LBPH (Local Binary Pattern Histogram) dalam mengenali wajah karyawan ketika melakukan absensi, hal ini didasari oleh beberapa penelitian yang telah dilakukan sebelumnya, metode ini memiliki tingkat akurasi yang tinggi dalam mengenali wajah.

Sedangkan kriptografi SHA256 bit digunakan untuk mengatasi masalah tindakan manipulasi absensi. Hasil pengenalan wajah baik ketika absensi masuk dan absensi pulang akan disimpan pada komputer server secara lokal untuk menyatakan kehadiran karyawan. Hasil pengujian dari penelitian ini diperoleh bahwa aplikasi absensi berhasil mengenali wajah karyawan dengan akurat dengan rata – rata tingkat akurasi 0.9511 dengan memperhatikan parameter pencahayaan ruangan, aksesoris pada wajah dan jarak kamera dengan wajah. Melalui penelitian ini diharapkan dapat mengatasi masalah kelemahan mesin fingerprint dan proses absensi di PT Global Andalas Cargotama menjadi lebih efektif.

Kata Kunci: Absensi; Face Recognition; Kriptografi; SHA256 Bit; Local Binary Pattern Histogram

Abstract−Attendance is an activity that states the presence or absence of an employee. One of the technology models used to express the presence of an employee is a fingerprint machine. PT Global Andalas Cargotama has implemented an employee attendance system using a fingerprint. However, in the process of implementation, the fingerprint machine has weaknesses that are vulnerable to manipulation, fingerprint identification which is often hampered due to the need for routine machine maintenance and attendance recapitulation which is still done manually and not in real time. The face recognition system is an application to recognize faces in real time and accurately and can be applied to overcome the weaknesses of the fingerprint machine. This study uses the LBPH (Local Binary Pattern Histogram) method in recognizing employees' faces when doing attendance, this is based on several studies that have been done previously, this method has a high level of accuracy in recognizing faces. Meanwhile, SHA256 bit cryptography is used to solve the problem of attendance manipulation. The results of facial recognition both when attendance comes in and attendance goes home will be stored on the server computer locally to state employee attendance. The test results from this study showed that the attendance application was able to recognize the employee's face accurately with an average accuracy rate of 0.9511 by paying attention to the room lighting parameters, accessories on the face and the distance from the camera to the face. Through this research, it is expected to be able to overcome the problem of the weakness of the fingerprint machine and the attendance process at PT Global Andalas Cargotama to be more effective.

Keywords: Attendance; Face Recognition; Cryptography; SHA256 Bit; Local Binary Pattern Histogram

1. PENDAHULUAN

PT Global Andalas Cargotama merupakan perusahaan swasta yang bergerak di bidang pengiriman barang (cargo).

Untuk meningkatkan produktivitas perusahaan, maka PT Global Andalas Cargotama telah menerapkan sistem absensi karyawan. Absensi merupakan suatu kegiatan yang menyatakan kehadiran atau tidaknya seorang karyawan[1]. Ada berbagai model teknologi untuk menyatakan kehadiran seorang karyawan yaitu mesin fingerprint, SMS gateway, RFID, teknologi GPS dan absensi online[2]. Dalam menjalankan kegiatan operasional perusahaan, PT Global Andalas Cargotama telah menggunakan mesin fingerprint untuk melakukan absensi dan perhitungan rekapitulasi absensi karyawan.

Dalam proses pelaksanaan perhitungan absensi karyawan, PT Global Andalas Cargotama selalu mengalami kendala seperti identifikasi sidik jari yang sering terhambat, rekapitulasi absensi yang masih bersifat manual dan tidak real time serta sering terjadinya manipulasi absensi yang dilakukan oleh karyawan[3]. Hal ini tentunya menyebabkan produktivitas perusahaan menurun dan perhitungan rekapitulasi absensi selalu mengalami masalah setiap bulannya. Salah satu solusi untuk mengatasi masalah diatas adalah dengan menerapkan sistem pengenalan wajah. Sistem pengenalan wajah (face recognition) adalah skema atau metode absensi yang menggunakan pengenalan wajah atau pencocokan wajah yang telah terekam sebelumnya dalam sistem[1]. Data pribadi karyawan akan disimpan pada sebuah database, sedangkan wajah setiap karyawan akan direkam dan disimpan pada sebuah komputer server dan dianggap sebagai media aset gambar.

Metode LBPH (Local Binary Pattern Histogram) merupakan salah satu metode sistem pengenalan wajah yang menggunakan nilai biner histogram yang telah diekstraksi dari gambar wajah untuk mendapatkan nilai

prediksi dalam mengenali si pemilik wajah. Penelitian sebelumnya yang berjudul “Perancangan Sistem Pengenalan Wajah untuk Keamanan Ruangan Menggunakan Metode Local Binary Pattern Histogram”, dimana pada penelitian ini jarak terbaik untuk mengenali wajah adalah kurang dari 0,7 meter dimana intensitas cahaya merupakan salah satu faktor yang sangat mempengaruhi pengenalan wajah[4]. Sedangkan pada penelitian

“Perancangan Alat Identifikasi Wajah Dengan Algoritma You Only Look Once (YOLO) Untuk Presensi Mahasiswa” kualitas gambar dan parameter cahaya merupakan salah satu faktor utama yang menentukan tingkat akurasi pengenalan wajah[2]. Pada kedua penelitian tersebut juga, belum menerapkan sistem pengamanan dari aplikasi pengenalan wajah, sehingga peneliti menambahkan teknik kriptografi SHA 256 bit sebagai kontribusi terbaru pada penelitian ini. Teknik kriptografi SHA 256 bit diterapkan pada kata sandi[5] absensi karyawan setelah proses pengenalan wajah berhasil. Teknik kriptografi ini berguna untuk mengatasi masalah tindakan manipulasi absensi, dimana SHA 256 bit memiliki tingkat pengacakan yang bagus sehingga tahan terhadapa serangan seperti brute force attack.

Aplikasi absensi dilengkapi dengan fitur – fitur seperti data umum berupa data periode, data jabatan, data pendidikan, data status karyawan dan data keterangan kalender. Aplikasi dibangun dengan menggunakan framework Django 4.0 dengan bahasa pemrograman Python 3.10. Django merupakan sebauh framework yang menggunakan konsep Model – View – Template (MVT) yang membantu pengembangan sebuah website dengan cepat dan efektif[6]. Sedangkan bahasa pemrograman Python merupakan salah satu bahasa pemrograman yang mendukung konsep machine learning yaitu sistem pengenalan wajah.

Berdasarkan uraian masalah di atas, adapun tujuan dari penelitian ini adalah merancang sebuah sistem absensi berbasis pengenalan wajah (face recognition) dengan menggabungkan teknik kriptografi SHA256 bit guna menghindari kecurangan atau manipulasi absensi karyawan. Urgensi penelitian ini sangat penting karena dengan adanya sistem absensi ini dapat membantu mengatasi kelemahan mesin fingerprint dan proses absensi di PT Global Andalas Cargotama menjadi lebih efektif.

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Adapun kerangka kerja dari penelitian ini tampak pada gambar dibawah ini.

Mulai

Perancangan Aplikasi Absensi Berbasis Face

Recognition Studi Literatur Face Recognition dengan LBPH

Identifikasi dan Analisa Masalah Absensi Karyawan

Rancangan Topologi Jaringan Aplikasi Absensi

Rancangan Website Absensi Karyawan

Pengujian Aplikasi Absensi Data Pengujian

Selesai

Wajah Karyawan

Kriptografi SHA 256 bit pada Password Absensi Karyawan

Gambar 1. Kerangka kerja penelitian

Pada gambar diatas menunjukkan bahwasanya penelitian ini diawali dengan pengumpulan data yang akan digunakan selama penelitian baik itu buku maupun jurnal terbaru yang berkaitan dengan topik penelitian. Lalu dilanjutkan dengan melakukan identifikasi dan analisa masalah yang terdapat pada PT Global Andalas Cargotama, dimana perusahaan ini selalu mengalami masalah dalam melakukan perhitungan dan rekapitulasi absensi karyawan. Selanjutnya peneliti, membuat perancangan aplikasi absensi berbasis face recognition dengan membuat rancangan topologi jaringan dan rancangan absensi karyawan berbasis website dengan menggunakan metode Local Binary Pattern Histogram serta menggunakan library dari OpenCV yang berbasis bahasa pemrograman Python 3.10. Pengujian juga dilakukan untuk menguji kemampuan aplikasi dalam mengenali wajah karyawan ketika melakukan absensi dan kriptografi SHA 256 bit untuk meningkatkan kemampuan aplikasi absensi yang terletak pada kata sandi (password) absensi karyawan setelah aplikasi berhasil mengenali wajah.

2.2 Studi Literatur Face Recognition dengan Metode LBPH

Local Binary Pattern (LBP) merupakan salah satu deskriptor untuk tekstur paling baik dan banyak digunakan untuk berbagai aplikasi. LBP merupakan metode yang efektif untuk memberi deskripsi tekstur, memiliki daya pembeda akurat dan memilikki toleransi yang baik terhadap perubahan grayscale monotonic. Rumus dasar menghitung LBP dapat dilihat pada persamaan 1[7].

𝐿𝐵𝑃(𝑥_𝑐, 𝑦_𝑐) = ∑⁷_𝑛=0𝑆(𝐼_𝑝− 𝐼_𝑐)2^𝑛 (1) dimana fungsi g(x) didefinisikan sebagai berikut :

𝑔(𝑥) = {0, 𝑥 < 0

1, 𝑥 ≥ 0 (2)

Keterangan :

𝐿𝐵𝑃(𝑥_𝑐, 𝑦_𝑐) : nilai LBP pada pixel pusat Ip : nilai dari pixel tetangga Ic : nilaidari pixel pusat n : jumlah pixel tetangga

Bentuk paling dasar dari LBP menggunakan nilai dari pixel pusat sebagai threshold pada 3x3 pixel tetangga. Operasi threshold akan membuat pola biner yang merepresentasikan karakter tekstur. Operator dasar LBP ditunjukkan pada Gambar 1.

Gambar 2. Operator Dasar LBP

Local Binary Pattern Histogram (LBPH) adalah salah satu dari metode yang terkenal dalam mengenali sebuah objek. LBPH mampu mengenali wajah dari depan dan dari samping[4]. Dalam hal ini, cara yang digunakan adalah membedakan objek dengan background. Local Binary Pattern Histogtram (LBPH) adalah sebuah kombinasi algoritma antara LBP dengan Histogram of Oriented Gradients (HOG). Citra wajah yang diambil secara real time menggunakan webcam akan dibandingkan dan dicocokan menggunakan histogram yang sudah diekstraksi dengan citra wajah yang ada pada database[8]. Berikut tahapan-tahapan pada algoritma Local Binary Pattern Histogram (LBPH) [9]:

1. Parameters :

LBPH memiliki 4 (empat) parameter yaitu : radius, neighbors, grid x dan grid y.

2. Melakukan training terhadap algoritma

Bertujuan agar proses face recognition kian terus membaik. Proses training dilakukan dengan cara membaca dataset dan dibuatkan model training.

3. Penerapan operasi LBP

Langkah komputasi dari LBPH dengan membuat gambar menengah yang akan mengambarkan gambar asli dengan cara yang lebih baik dalam menangani karakteristik wajah.

Gambar 3. Operasi LBP 4. Ekstrasi histograms

Pada tahapan ini, gambar yang sudah di buat di generated akan dibuatkan menjadi beberapa grid yaitu grid x dan grid y.

Gambar 4. Proses ekstraksi histogram[9]

5. Proses pengenalan wajah

Langkah berikutnya adalah memberikan input data gambar uji yang harus melalui semua proses di tahapan sebelumnya lalu dibandingkan nilai kedekatannya dengan setiap histogram dari dataset hasil training.

OpenCV (Open Computer Vision) adalah sebuah API (Application Programming Interface) yang sudah sangat familiar pada pengolahan citra (computer vision). Computer Vision memungkinkan komputer dapat melihat

seperti manusia[10]. Beberapa pengimplementasian dari computer vision adalah face recognition, face detection, face/object tracking, road tracking, dan lain-lain.

2.3 Studi Literatur SHA 256 bit

SHA-256 dirancang oleh The National Institute of Standards and Technology (NIST) pada tahun 2002. SHA-256 menghasilkan message digest dengan panjang 256 bit[11]. SHA-256 merupakan salah satu fungsi hash satu arah, karena tidak mungkin menemukan pesan dari message digest yang dihasilkan. SHA digunakan untuk menghitung message digest dari pesan atau file data yang disediakan sebagai input. Pesan atau file dianggap sebagai kumpulan bit-bit. Fungsi utama SHA-256 dapat dilihat pada dibawah ini.

Gambar 5. Fungsi utama SHA-256 2.4 Rancangan Topologi Jaringan Aplikasi Absensi

Aplikasi absensi ini berjalan pada jaringan Local Area Network (LAN). Hal ini bertujuan untuk memudahkan pengambilan data absensi karyawan. Server adalah perangkat yang berfungsi menyediakan layanan, data atau informasi kepada client. Pada aplikasi ini, server bertugas untuk melakukan penyimpanan data berupa database[12] dan dataset berupa kumpulan wajah karyawan. File wajah karyawan disimpan dalam citra grayscale.

Sedangkan topologi jaringan dari aplikasi absensi yang dibangun oleh peneliti seperti tampak pada gambar dibawah ini.

Komputer Server

Switch LAN

Komputer PC

Webcam

Gambar 6. Topologi Jaringan Dari Aplikasi Absensi 2.4 Rancangan Aplikasi Absensi dengan Metode LBPH

Berikut ini adalah perancangan dari aplikasi absensi dengan menggunakan metode LBPH:

a. Perancangan UML (Unified Modeling Language)

Pada perancangan UML ini, peneliti membagi beberapa bagian yaitu Data Umum, Transaksi, Absensi. Bagian ini nantinya akan digunakan untuk membangun aplikasi absensi berbasis face recognition. Adapun use case diagram yang menggambarkan interaksi dari aplikasi absensi berbasis face recognition ini dengan aktor[13]

atau user adalah sebagai berikut.

Beranda

Transaksi

Status Karyawan

Tentang Program Data Umum

Periode

Pendidikan Jabatan

«uses»

«uses»

«uses»

«uses»

Kalender Absensi Karyawan

Deteksi Wajah Dataset

«uses»

«uses»

«uses»

«uses»

Admin

Aplikasi Absensi Berbasis Face Recognition

Keterangan Kalender

«uses»

Abensi

Laporan Absensi Data Mentah

Rekap Absensi Absensi Karyawan

«uses»

«uses»

«uses»

«uses»

Employee

Gambar 7. Use Case Diagram Aplikasi Absensi Berbasis Face Recognition b. Perancangan Blok Diagram Face Recognition

Berdasarkan Gambar 8, perancangan ini dibagi menjadi beberapa bagian yaitu:

1. Pada bagian input, data karyawan dan password harus dimasukkan terlebih dahulu dan password ini akan melalui proses hashing SHA256 bit dan disimpan dalam database. Lalu aplikasi akan membuat dataset dari wajah karyawan dengan menggunakan webcam; proses data training dilakukan untuk proses pengenalan wajah.

2. Pre-processing adalah tahapan cropping citra wajah pada area yang mencirikan wajah yang meliputi batas atas alis sampai bawah bibir/atas dagu. Selanjutnya citra diubah ke dalam citra grayscale[8].

3. Processing adalah tahapan mengekstrak ciri/informasi dari objek di dalam citra wajah yang ingin dikenali / dibedakan dengan citra wajah yang lain dengan menggunakan metode Local Binary Pattern Histrogram.

4. Pada bagian output merupakan hasil pengujian dari face recognition yaitu apakah wajah berhasil dikenali atau tidak. Jika aplikasi berhasil mengenali wajah maka akan pengguna akan masuk ke halaman untuk memasukan password. Password tersebut akan melalui proses pencocokan nilai hashing SHA 256 bit yang tersimpan dalam database.

Pre-Processing

Webcam

Dataset Data Training

Croping Citra Gambar

Grayscaling Wajah

Hashing Password SHA256 bit Input

Processing

Local Binary Pattern Histogram (LBPH)

Output

Identifikasi Wajah

Database

Input Password dan cek Hashing Password

Data Karyawan Password

Gambar 8. Blok Diagram Face Recognition c. Perancangan website absensi

Berikut ini merupakan kerangka dari perancangan aplikasi absensi yang dibangun berbasis website.

Mulai Perancangan UI/UX Membuat Kode Program

Pengujian Aplikasi

Absensi Selesai

Gambar 9. Perancangan website absensi Adapun tahapan-tahapan perancangan ini berdasarkan pada Gambar 9 yaitu:

1. Perancangan User Interface (UI)/User Experience (UX) merupakan perancangan tampilan user interface dari aplikasi absensi yang dibangun menggunakan bantuan dari bootstrap 5, javascript, dan lain-lain.

Perancangan ini merupakan acuan bagi programmer dalam merancang atau membangun aplikasi secara real[14].

2. Membuat kode program: kode program dibangun menggunakan bahasa pemrograman Python 3.10 dan Django 4.0 (framework web Python yang membuat pengembangan website dengan cepat[15]) dengan menggunakan database sqlite3.

3. Pengujian aplikasi absensi: pengujian seluruh menu yang ada pada website baik pada Data Umum, Transaksi dan Absensi. Selanjutnya website berhasil jika seluruh fitur yang terdapat pada wesbite dapat berfungsi dan berjalan dengan baik.

2.6 Pengujian Aplikasi Absensi

Berikut ini merupakan flowchart atau penyajian visual aliran data[16] melalui pengujian aplikasi absensi ini.

Mulai Absensi

Berhasil ?

Simpan Absensi

Masuk/Pulang Selesai

Karyawan Absensi Masuk/Pulang

Gambar 10. Pengujian aplikasi absensi Adapun tahapan-tahapan perancangan ini berdasarkan pada Gambar 10 yaitu:

1. Karyawan absensi masuk/pulang: pada bagian ini karyawan melakukan absensi masuk/pulang pada komputer PC yang telah disediakan PT Global Andalas Cargotama serta mengarahkan wajahnya ke webcam dengan jarak kurang dari 50 cm. Jika aplikasi berhasil mengenali wajah karyawan maka karyawan akan diarahkan ke halaman penginputan password absensi.

2. Jika password absensi yang diinput benar maka absensi masuk/pulang disimpan ke dalam database.

3. HASIL DAN PEMBAHASAN

3.1 Implementasi

1. Halaman Transaksi – List Karyawan

Pada bagian ini, pengguna dengan peran sebagai administrator atau admin dapat melakukan transaksi tambah, ubah dan menampilkan detail maupun seluruh data karyawan.

Gambar 11. Halaman Transaksi - List Karyawan 2. Halaman Transaksi – List Dataset

Pada bagian ini, pengguna dengan peran sebagai administrator atau admin dapat melakukan transaksi melihat secara keseluruhan dataset maupun berdasarkan nama dari karyawan. Pada Gambar 12.(a) merupakan halaman yang berisi seluruh dataset pada aplikasi absensi. Pada bagian ini setelah data pribadi diinput ke dalam aplikasi, maka administrator atau admin harus membuat dataset dari masing – masing karyawan. Sedangkan pada Gambar 12.(b) adalah proses penginputan dataset dari masing – masing karyawan. Gambar 12.(c) merupakan proses dimana aplikasi sedang melakukan perekaman wajah ke dalam komputer server sebagai dataset. Jika proses perekaman berhasil maka akan menghasilkan 50 wajah yang berbeda posisinya serta mengelompokkan dataset berdasarkan id pada model Employee. Hal ini bertujuan untuk memudahkan pencarian dataset karyawan dan membuat aplikasi menjadi lebih baik dalam hal pengelompokan data seperti yang ditampilkan pada Gambar 12.(d).

Gambar 12.(a). Halaman Transaksi - List Dataset Gambar 12.(b). Halaman Transaksi - Input Dataset

Gambar 12.(c). Aplikasi sedang merekam wajah Gambar 12.(d). Halaman Transaksi - Info Dataset 3. Halaman Transaksi – Deteksi Wajah – Training Dataset

Pada bagian ini, pengguna dengan peran sebagai administrator atau admin dapat melakukan transaksi training dataset. Kumpulan data wajah yang terdapat pada komputer server akan dilakukan training yang bertujuan untuk mengenali wajah-wajah yang ada[6].

Gambar 13. Halaman Transaksi – Deteksi Wajah – Training Dataset

4. Halaman Absensi – List Data Mentah Absensi

Pada bagian ini, pengguna dengan peran sebagai administrator atau admin dapat melakukan transaksi menampilkan baik secara detail maupun keseluruhan list data mentah absensi. Pada Gambar 14.(a) merupakan halaman dari list data mentah absensi yang diurutkan berdasarkan periode. Sedangkan Gambar 14.(b) merupakan halaman detail dari suatu periode list data mentah absensi yang menampilkan informasi mentah absensi pada periode 2208 atau bulan Agustus 2022.

Gambar 14.(a) Halaman Absensi – List Data Mentah Absensi

Gambar 14.(b) Halaman Absensi – Info Data Mentah Absensi Periode 202208 5. Halaman Absensi Masuk dan Absensi Pulang

Pada bagian ini, pengguna yaitu karyawan dapat melakukan absensi masuk dan absensi pulang. Pada Gambar 15.(a) merupakan halaman utama untuk melakukan absensi masuk dan absensi pulang. Karyawan cukup menekan tombol masuk atau pulang maka pengguna akan diarahkan ke halaman absensi masuk atau absensi pulang. Jika karyawan menekan tombol absensi masuk maka akan masuk ke halaman absensi masuk seperti pada Gambar 15.(b). Pada Gambar 15.(b), karyawan juga harus menekan tombol Deteksi Wajah untuk melakukan perekaman absensi masuk sehingga ketika aplikasi melakukan proses pengenalan wajah seperti pada Gambar 15.(c). Jika aplikasi berhasil mengenali wajah maka akan menampilkan pesan di sekitaran kotak dengan pesan “Wajah dikenali” seperti tampak pada Gambar 15.(c).

Gambar 15.(a) Halaman Absensi Masuk dan Absensi Pulang

Gambar 15.(b) Halaman Absensi Masuk

Gambar 15.(c) Aplikasi sedang melakukan pengenalan wajah dan berhasil mengenali wajah

Gambar 15.(d) Halaman Input Kata Sandi setelah berhasil mengenali wajah

Setelah aplikasi berhasil mengenali wajah maka karyawan akan diarahkan ke halaman form memasukkan kata sandi absensi, dimana kata sandi ini sudah mengalami proses hashing dengan teknik kriptografi SHA 256 bit.

Jika karyawan memasukkan kata sandi absensi dengan benar maka akan diarahkan ke halaman seperti pada Gambar 16 yang menyatakan perekaman absensi masuk atau absensi pulang berhasil direkam dan disimpan ke dalam database di komputer server.

Gambar 16. Halaman Absensi Masuk sedang melakukan perekaman absensi masuk 3.2 Pengujian Aplikasi

Untuk pengujian akurasi face recognition (pengenalan wajah) adalah dengan membagi test/sampel yang berhasil dengan jumlah sampel percobaan selanjutnya dikali dengan 100%. Adapun yang menjadi parameter pengujian adalah jarak wajah ke webcam dengan jarak 40 cm dan 50 cm, serta pencahayaan ruangan dengan kondisi terang dan redup.

Tabel 1. Hasil Pengujian Aplikasi No Nama Karyawan

Jarak

(cm) Cahaya Akurasi

Jarak

(cm) Cahaya Akurasi

40 50

1 Ellanda Purwa

Wijaya Berhasil Terang 0.9667 Berhasil Terang 0.9333

2 Hendra Pasaribu Berhasil Terang 0.9667 Berhasil Terang 0.9333

3 Bernard - Berhasil Terang 0.9667 Berhasil Redup 0.8667

4 Lina Hutabarat Berhasil Redup 0.9333 Berhasil Redup 0.9000

5 Elzha Pratita Wijaya Berhasil Redup 0.9333 Berhasil Terang 0.9333

6 Sri Rahayu Berhasil Terang 0.9667 Berhasil Terang 0.9333

7 Murin Lestari Berhasil Redup 0.9333 Berhasil Terang 0.9333

8 Rizqa Ananda Berhasil Redup 0.9333 Berhasil Terang 0.9667

9 Susandi Berhasil Redup 0.9333 Berhasil Terang 0.9667

10 Dwi Berhasil Terang 0.9667 Berhasil Redup 0.9000

11 Junaidi Berhasil Terang 0.9667 Berhasil Redup 0.9333

12 Rina Berhasil Terang 0.9667 Berhasil Redup 0.9333

13 Syarini Berhasil Terang 0.9667 Berhasil Redup 0.9333

14 Emil Kesuma

Diwijaya Berhasil Redup 0.9333 Berhasil Terang 0.9667

15 Ega Triwi Wijaya Berhasil Redup 0.9333 Berhasil Terang 0.9667

Rata-rata 0.9511 0.9333

Dari hasil pengujian aplikasi diatas terdapat 15 sampel wajah karyawan yang telah dilakukan proses face recognition pada satu periode kerja atau satu bulan, dengan rata-rata akurasi sebesar 0.9511 dengan jarak wajah ke webcam 40 cm dan rata-rata akurasi 0.9333 dengan jarak wajah ke webcam 50 cm. Proses pendeteksian dan pengenalan objek wajah dilakukan secara real time[17]. Pencahayaan ruangan baik dalam kondisi terang maupun redup juga mempengaruhi proses pengenalan wajah (face recognition). Sedangkan sebagai bahan evaluasi dari aplikasi, aksesoris di wajah seperti masker, kacamata, anting pada telinga juga perlu diperhatikan ketika aplikasi mengenali wajah karyawan.

4. KESIMPULAN

Berdasarkan hasil penelitian yang telah dilakukan, hasil pengujian menunjukkan bahwa aplikasi absensi berbasis face recognition dengan menggunakan metode LBPH (Local Binary Pattern Histogram) dan kriptografi SHA256 bit dapat berjalan dengan baik dan berhasil mengenali wajah karyawan. Proses pengenalan wajah karyawan dipengaruhi oleh beberapa parameter yaitu jarak antara webcam dengan wajah karyawan harus kurang dari 50 cm, membutuhkan pencahayaan ruangan yang baik, tidak menggunakan aksesoris di wajah seperti masker dan kacamata. Pengujian akurasi aplikasi absensi menggunakan ± 15 sample wajah karyawan dan menunjukan hasil akurasi sebesar 0.9511 dengan jarak wajah ke webcam sebesar 40 cm. Disamping itu berdasarkan beberapa penelitian sebelumnya, terbukti bahwa metode LBPH (Local Binary Pattern Histogram) memiliki tingkat akurasi yang baik dalam mengenali wajah secara real time. Sedangkan saran penelitian ke depannya adalah pengembangan

aplikasi absensi berbasis face recognition dapat dikembangkan dengan menggunakan Arduino dengan memanfaatkan internet of things.

UCAPAN TERIMAKASIH

Penelitian ini didukung oleh Fakultas Ilmu Komputer Universitas Battuta dan dan Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Battuta serta Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia dan Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Prima Indonesia serta dibiayai oleh Direktorat Riset dan Pengabdian Masyarakat, Direktorat Jenderal Penguatan Riset dan Pengembangan Kementerian Riset, Teknologi dan Pendidikan Tinggi.

REFERENCES

[1] M. Fuadi, U. Darusalam, and A. Kusuma Whardana, “Face Recognition Menggunakan OpenCV Dengan Bahasa Pemograman Python OOP Untuk Sistem Presensi Rumah Sakit,” Journal of Artificial Intelligence and Innovative Applications, vol. 2, no. 3, pp. 218–224, 2021.

[2] I. Salamah, M. R. A. Said, and S. Soim, “Perancangan Alat Identifikasi Wajah Dengan Algoritma You Only Look Once (YOLO) Untuk Presensi Mahasiswa,” Jurnal Media Informatika, vol. 6, no. 3, pp. 1492–1500, 2022.

[3] A. LinovHR, “5 Kelemahan Fingerprint yang Menghambat Absensi Karyawan,” https://www.linovhr.com:

https://www.linovhr.com/kelemahan-fingerprint/, Jan. 28, 2021.

[4] Sunardi, A. Yudhana, and M. Alwi Talib, “Perancangan Sistem Pengenalan Wajah untuk Keamanan Ruangan Menggunakan Metode Local Binary Pattern Histogram,” Jurnal Teknologi Elektro, vol. 12, no. 2, pp. 123–129, 2022.

[5] Sulastri Santi and Defi Mahadji Putri Riana, “Implementasi Enkripsi Data Secure Hash Algorithm (SHA-256) dan Message Digest Algorithm (MD5) pada Proses Pengamanan Kata Sandi Sistem Penjadwalan Karyawan,” Jurnal Teknik Elektro, vol. 10, no. 2, pp. 70–74, 2018.

[6] M. T. Susitanto, S. Sakinah, and M. A. Haris, “Implementasi face detection dan recognition menggunakan python dengan numpy dan opencv menggunakan metode haar-cascade dan lbph (local binary pattern histogram),” Jurnal Teknik, vol. 14, no. 1, 2021.

[7] A. Ahmed, J. Guo, F. Ali, F. Deeba, and A. Ahmed, “LBPH based improved face recognition at low resolution,” in 2018 International Conference on Artificial Intelligence and Big Data, ICAIBD 2018, 2018. doi:

10.1109/ICAIBD.2018.8396183.

[8] A. W. Wibowo, A. Karima, Wiktasari, A. Yobioktabera, and S. Fahriah, “Pendeteksian dan Pengenalan Wajah Pada Foto Secara Real Time Dengan Haar Cascade dan Local Binary Pattern Histogram,” JTET (Jurnal Teknik Elektro Terapan), vol. Vol. 9 No., 2020.

[9] Andri Nugraha Ramdhon and Fadly Febriya, “Penerapan Face Recognition Pada Sistem Presensi,” Journal of Applied Computer Science and Technology, vol. 2, no. 1, 2021, doi: 10.52158/jacost.v2i1.121.

[10] Sutarti, S. Samsuni, and I. Asseghaf, “Sistem Keamanan Rumah melalui Pengenalan Wajah Menggunakan Webcam dan Library Opencv Berbasis Raspberry Pi,” Jurnal Dinamika Informatika, vol. 8, no. 2, 2019.

[11] H. Sembiring, F. Y. Manik, and T. Zaidah, “Penerapan Algoritma Secure Hash Algorithm (SHA) Keamanan Pada Citra,”

MEANS (Media Informasi Analisa dan Sistem), 2019, doi: 10.54367/means.v4i1.316.

[12] Robith Adani Muhammad, “Server: Pengertian, Fungsi, Jenis, Cara Kerja dan Manfaat,”

https://www.sekawanmedia.co.id/blog/pengertian-server/, Jan. 06, 2021.

[13] F. Sunarya and C. Hardyanto, “Implementasi Face Recognition Dan Global Positioning System Pada Sistem Presensi Di Desa Mekarjati Kab Indramayu Berbasis Mobile,” JUPITER :Jurnal Penelitian Mahasiswa Teknik Dan Ilmu Komputer, vol. 1, no. 2, pp. 52–60, 2021.

[14] A. Purnomo, “Pengembangan User Experience (UX) Dan User Interface (UI) Aplikasi Ibeauty Berbasis Android,” JSTIE (Jurnal Sarjana Teknik Informatika) (E-Journal), vol. 6, no. 3, 2018.

[15] H. Sabita, R. Herwanto, Y. Syafitri, and B. Dwi Prasetyo, “Pengembangan Aplikasi Akreditasi Program Studi Berbasis Framework Django,” Jurnal Informatika, vol. 22, no. 1, pp. 33–37, 2022.

[16] Suanda, “Sistem Informasi Absensi Pegawai Berbasis Web Pada Kantor Kelurahan Sako Palembang,” Jurnal Sigmata, vol. 7, no. April, 2019.

[17] B. Santoso and R. P. Kristianto, “Implementasi Penggunaan OpenCV Pada Face Recognition Untuk Sistem Presensi Perkuliahan Mahasiswa,” SISTEMASI, vol. 9, no. 2, 2020, doi: 10.32520/stmsi.v9i2.822.