2019 : PENGEMBANGAN SISTEM KEHADIRAN ONLINE DENGAN PENCOCOKAN WAJAH DAN TANDA TANGAN DIGITAL

Dwi Sunaryono S.Kom., M.Kom.
Sarwosri S.Kom. , MT
Dr.Eng. Radityo Anggoro S.Kom, M.Sc

External link

Type

RESEARCH

Keywords

-


Abstract

Sistem kehadiran mahasiswa merupakan proses pencatatan kehadiran mahasiswa di kelas. Dengan adanya sistem kehadiran ini maka dapat membuktikan bahwa mahasiswa tersebut telah berada di dalam kelas. Pencatatan kehadiran mahasiswa dapat dilakukan dengan berbagai cara. Di Jurusan Teknik Informatika ITS, sistem kehadiran mahasiswa dilakukan secara manual yaitu melakukan tanda tangan di kertas daftar kehadiran kelas. Hal ini menimbulkan celah kelemahan yaitu terjadi kecurangan dalam pencatatan kehadiran atau disebut titip absen. Titip absen merupakan kejadian di mana mahasiswa tercatat hadir di daftar hadir kertas tetapi kenyataannya mahasiswa tersebut tidak hadir di kelas. Oleh karena itu, diperlukan suatu sistem yang dapat digunakan untuk mengatasi kecurangan tersebut. Sistem yang dibangun terdiri dari dua proses besar yaitu 1) pencocokan wajah, 2) tanda tangan digital. Pada penelitian sebelumnya tahun 2018 melalui pencocokan wajah, yang telah selesai dilakukan dan dipublikasikan dengan judul , “An android based course attendance system using face recognition “,Sunaryono, D., Siswantoro, J., Anggoro, R. 2019, Journal of King Saud University - Computer and Information Sciences. Pengembangan dari penelitian sebelumnya, maka proposal penelitian tahun 2019 ini menambahkan fitur pada tanda tangan digital, yang akan dipakai absen secara online via smartphone, sehingga sistem akan semakin aman, dikarenakan selain pencocokan wajah, maka sistem pencatatan kehadiran online dengan pencocokan tanda tangan. Pencocokan tanda tangan dilakukan dengan cara mengambil fiturfitur dari gambar tanda tangan kemudian menghitung jarak euclidean distance untuk mengetahui kecocokan tanda tangan. Selain itu, juga akan di teliti dengan memakai metode template matching, BFMacther, BOW (Bag of Word) dan algoritma detektor keypoint seperti KAZE, AKAZE, BRISK, SIFT, BRIEF, SURF, remove background, Hough Transform yang kemudian deskripsi dari keypoint tersebut di kluster untuk meng-ekstraksi fitur setiap gambar tanda tangan digital. Penelitian ini akan membandingkan berbagai macam metode untuk menemukan akurasi yang paling tinggi dari dataset yang telah dikumpulkan via android, terhadap mahasiswa di lingkungan Teknik Informatika ITS.