Deteksi Dan Identifikasi Wajah Pada Citra Menggunakan Metode Principal Component Analysis Dan Gabor Wavelet Untuk Sistem Presensi Karyawan

Abstract— Facetection face recognition system which is included in the field of image processing can be combined with the attendance system so that it becomes one of the interesting things to do, where later the attendance system can also be done with the face. The process of making attendance applications with face recognition uses the Pricipal Component Analysis algorithm and Gabor Wavelet found in OpenCv. In general, the attendance process using facial recognition is done by entering face data first along with the password of each person, after that the scanning process is carried out for the attendance process. The eigenface method of Opencv looks for face data that approaches face data in the database. In testing this research the results obtained differed from one face to the other, when the database contained 10 face data, the results of the average percentage match reached 88%, whereas when the database totaled 20 face data, the average percentage results match reaches 52%. The cause of the difference in results is due to lighting factors, distance, face shape, and the amount of data available. Intisari—Sistem pengenalan wajah facedetection yang termasuk dalam bidang pengolahan citra dapat dipadukan dengan sistem absensi sehingga menjadi salah satu hal yang menarik untuk dilakukan, dimana nantinya sistem absensi juga dapat dilakukan dengan wajah. Proses pembuatan aplikasi absensi dengan pengenalan wajah ini menggunakan algoritma Pricipal Component Analisis dan Gabor Wavelet yang terdapat pada OpenCv. Secara umum proses absensi menggunakan pengenalan wajah ini dilakukan dengan memasukkan data wajah terlebih dahulu beserta password dari masing-masing orang, setelah itu dilakukan proses pemindaian untuk proses absensi. Metode eigenface dari opencv ini mencari data wajah yang mendekati dengan data wajah yang ada di database. Pada pengujian penelitian ini hasil yang didapat berbeda-beda antara wajah satu dengan wajah yang lainnya, pada saat database berisi 10 data wajah, hasil rata-rata persentase kecocokan mencapai 88%, sedangkan pada saat database berjumlah 20 data wajah, hasil rata-rata persentase kecocokan mencapai 52%. Penyebab dari perbedaan hasil tersebut adalah karena faktor pencahayaan, jarak, bentuk wajah, serta jumlah data yang tersedia. Kata Kunci: Deteksi, Idntifikasi Wajah, Citra, PCA, Gabor Wavelet, Presens