Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal ICIT (Innovative Creative and Information Technology) Journal
Oktarino, Reffian
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Aplikasi Absensi Berbasis Pengenalan Wajah Dengan Haar Cascade dan Local Binary Pattern Histogram Oktarino, Reffian; -, Jamilah -; Kristyawati, Desy; Syukriah, Fivi
ICIT Journal Vol 11 No 2 (2025): Agustus 2025
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/icit.v11i2.3543

Abstract

Pengenalan wajah adalah teknologi biometrik yang digunakan untuk mengidentifikasi atau memverifikasi identitas seseorang dengan menganalisis ciri-ciri wajahnya. Pengenalan wajah dalam aplikasi absensi memiliki banyak manfaat, antara lain mempermudah proses pencatatan kehadiran secara otomatis dan akurat, mengurangi risiko kecurangan Absensi atau catatan kehadiran di kampus menjadi salah satu bagian penting dalam proses belajar mengajar. Catatan kehadiran mahasiswa dapat menjadi salah satu bukti keaktifan mahasiswa dalam mengikuti kegiatan belajar di kelas. Aplikasi Pengenalan Wajah dengan menerapkan algoritma Haar Cascade dan Local Binary Pattern Histogram (LBPH) dibuat untuk membantu dalam melakukan kegiatan absensi dengan menggunakan wajah seseorang sebagai identitas dasar. Metode penulisan menggunakan tahap analisis, perancangan, implementasi dan pengujian. Berdasarkan uji coba aplikasi ini dapat mendeteksi wajah dengan beberapa kondisi seperti menggunakan atribut kacamata dan penutup kepala kecuali menggunakan tutup muka karena inti wajah seperti hidung dan mulut tertutup sehingga sulit aplikasi untuk mengenali wajah. Aplikasi dapat mengenali subjek yang berbeda dan beberapa posisi saat melakukan pengenalan wajah dengan tingkat akurasi sebesar 100%.
Co-Authors -, Jamilah - Fivi Syukriah, Fivi Kristyawati, Desy