FACE RECOGNITION MAHASISWA UNIVERSITAS NURUL JADID (UNUJA) DENGAN METODE EIGENFACE

Mukaromah, Ika Fitriyatul (2018) FACE RECOGNITION MAHASISWA UNIVERSITAS NURUL JADID (UNUJA) DENGAN METODE EIGENFACE. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_14013410_Ika Fitriyatul Mukaromah_IF.pdf Restricted to Registered users only Download (3MB)

Abstract

Mukaromah, Ika Fitriyatul. 2018. Sistem Pengenalan Wajah (Face Recognition) Mahasiswa Universitas Nurul Jadid (UNUJA) Menggunakan Metode Eigenface. Skripsi, Program Studi Teknik Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Gulpi Qorik O.P., S.Pd., M.Kom., (II) Olief Ilmandira R.F., S.Pd., M.Si.

Kata Kunci: Face Recognition, Universitas Nurul Jadid, Eigenface, Principal Component Analysis (PCA), Euclidean Distance.

Sistem pengenalan wajah manusia (face recognition) merupakan proses identifikasi biometrik dengan cara membandingkan citra wajah masukan (input) terhadap basis data wajah untuk menemukan kecocokan yang paling optimal. Teknologi face recognition saat ini telah banyak diimplementasikan di berbagai bidang, seperti sistem keamanan, mesin absensi, hingga optimalisasi pelayanan akademik. Universitas Nurul Jadid (UNUJA) yang terletak di Kecamatan Paiton, Kabupaten Probolinggo, merupakan institusi pendidikan besar yang memiliki 3 fakultas dengan kapasitas mencapai 3.600 mahasiswa dan 141 dosen. Kendati memiliki jumlah sivitas akademika yang besar, UNUJA belum mengadopsi teknologi pengenalan wajah untuk mendukung efisiensi pelayanan akademik. Penelitian ini bertujuan untuk membangun sebuah sistem otomatis yang mampu mengenali identitas wajah mahasiswa UNUJA secara efektif. Metode yang diterapkan dalam penelitian ini adalah Eigenface yang berbasis pada algoritma Principal Component Analysis (PCA). Metode Eigenface berfungsi untuk mereduksi dimensi citra dengan menghitung nilai eigenvalue dan eigenvector yang selanjutnya digunakan sebagai fitur utama pengenalan. Kedekatan antar-fitur dihitung menggunakan Euclidean Distance, di mana nilai jarak terkecil ditetapkan sebagai hasil identifikasi yang paling cocok. Tahapan penelitian diawali dengan proses prapemrosesan citra (pre-processing) menggunakan FastStone Image Viewer terhadap 120 sampel gambar wajah, yang terbagi menjadi 75 citra sebagai data pelatihan (training) dan 45 citra sebagai data pengujian (testing). Hasil eksperimen menunjukkan bahwa algoritma ini menghasilkan tingkat akurasi sebesar 100% untuk data uji wajah menghadap ke depan, 73% untuk wajah posisi miring (tilted), dan 66% untuk wajah menghadap ke samping (profile). Dapat disimpulkan bahwa algoritma Eigenface sangat efektif mengidentifikasi wajah apabila posisi, arah, dan rotasi citra masukan identik dengan data pelatihan, namun efektivitasnya akan menurun jika terjadi variasi sudut orientasi wajah.

Item Type:	Thesis (Other)
Subjects:	L Education > LB Theory and practice of education T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	14 Jun 2026 03:34
Last Modified:	14 Jun 2026 03:34
URI:	https://repository.unuja.ac.id/id/eprint/3552

Actions (login required)

View Item