##plugins.themes.academic_pro.article.main##

Autentikasi Kehadiran Mahasiswa Menggunakan Teknik Pengenalan Wajah Dengan Metode Eigenface Studi Kasus STMIK Bina Bangsa Kendari

Abstract

Perkembangan teknologi informasi mendorong penggunaan sistem komputer dalam berbagai bidang, termasuk sistem absensi berbasis pengenalan wajah. Penelitian ini bertujuan membangun sistem autentikasi kehadiran mahasiswa menggunakan metode Eigenface pada STMIK Bina Bangsa Kendari. Metode yang digunakan meliputi proses registrasi wajah, penyimpanan dataset, training citra wajah, dan proses identifikasi wajah saat absensi melalui kamera webcam. Sistem bekerja dengan membandingkan citra wajah yang diambil dengan data wajah yang telah dilatih sebelumnya. Hasil pengujian dilakukan terhadap 21 citra wajah, dengan 9 wajah berhasil dikenali dan 12 wajah tidak terdeteksi, sehingga diperoleh tingkat akurasi sistem 42,85 %. Berdasarkan hasil pengujian, seluruh fitur sistem telah berjalan sesuai dengan fungsinya. Namun tingkat akurasi tersebut menunjukkan bahwa sistem masih memerlukan pengembangan lebih lanjut, terutama pada aspek kualitas citra, pencahayaan, dan jumlah data latih agar dapat diterapkan secara optimal sebagai sistem absensi berbasis pengenalan wajah.

##plugins.themes.academic_pro.article.details##

How to Cite
[1]
A. Asmira, R. Inggi, L. O. Bakrim, and I. Santia, “Autentikasi Kehadiran Mahasiswa Menggunakan Teknik Pengenalan Wajah Dengan Metode Eigenface Studi Kasus STMIK Bina Bangsa Kendari”, simkom, vol. 11, no. 2, pp. 304-312, Jul. 2026.

References

R. Kosasih and C. Daomara, “Pengenalan Wajah dengan Menggunakan Metode Local Binary Patterns Histograms (LBPH),”Jurnal Media Informatika Budidarma, vol. 5, no. 4, pp. 1258–1264, 2021, doi: 10.30865/mib.v5i4.3171.

D.E. Pratiwi and A. Harjoko, “Implementasi Pengenalan Wajah Menggunakan Principal Component Analysis (PCA),” IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), vol. 3, no. 2, pp. 175–184, 2013, doi: 10.22146/ijeis.3892.

Suryadi,2015 “Sistem Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) dengan Algoritma Fuzzy C-Means (FCM),” 2015.

B. O. Siahaan and N. Ekawati, “Implementasi Pengenalan Wajah untuk Absensi Karyawan dengan Metode Eigenface,” Computer and Science Industrial Engineering (COMASIE), vol. 5, no. 5, 2021.

A. Nisa, D. Ramdani, G. Haryanto, W. Maeylani, A. Saifudin, and T. Desyani, “Penerapan Sistem Presensi Online pada Mahasiswa Berbasis Face Recognition dengan Metode Eigenface,” Jurnal Informatika Universitas Pamulang, vol. 6, no. 3, 2021.

M. S. Md. Suhaimin, M. H. A. Hijazi, and C. K. On, “Real-Time Mask Detection and Face Recognition Using Eigenfaces and Local Binary Pattern Histogram for Attendance System,” Bulletin of Electrical Engineering and Informatics, vol. 10, no. 2, 2021.

E. Bugingo, O. Imbahafi, A. C. Umeonyirioha, T. Ahmad, N. Jean De La Croix, and A. M. Uwumuremyi, “Enhancing Face Recognition Attendance System Utilizing Real-Time Face Tracking” Internet of Things, vol. 33, Art. 101660, 2025.

M. Turk and A. Pentland, “Eigenfaces for Recognition,” Journal of Cognitive Neuroscience, vol. 3, no. 1, pp. 71–86, 1991.

S. P. Putra et al., “Absensi Pengenalan Wajah Menggunakan Metode Eigenface,” Journal of Applied Informatics and Computing (JAIC), 2021.

Y. P. Manik and S. Sitohang, “Perancangan Sistem Absen Berbasis Face Recognition,” Computer and Science Industrial Engineering (COMASIE), vol. 12, no. 4, 2024.