Pada sebuah perusahaan besar yang memiliki sistem keamanan yang begitu ketat,
biasanya perusahaan – perusahaan tersebut membuat identifikasi menggunakan teknologi
smart card, tentunya pengamanan dengan menggunakan basis smart card saja tidaklah
cukup. Ditambah lagi banyaknya tools untuk menggandakan smart card. Tentunya
diperlukan mekanisme lain untuk menangani masalah – masalah diatas. Salah satu ide
yang dapat diaplikasikan adalah dengan membuat hak akses menggunakan wajah.
Tentunya identifikasi wajah merupakan salah satu ide yang bagus, hal ini mengingat
setiap orang pada umumnya mempunyai ciri khas tersendiri.
Untuk mengimplementasikan ide diatas, dibutuhkan suatu metode – metode yang
cukup baik yang dapat menangani segala permasalahan – permasalah yang akan
dijumpai. Untuk itu penulis memilih 2 modul utama, yaitu Face Detection untuk
menangkap objek dari web camera menggunakan algoritma Chromatic Space serta pada
bagian Face Recognition untuk melakukan training dan pengenalan wajah penulis
memilih algoritma Eigenface. Pengoperasian nilai pada algoritma Chromatic Space pada
modul Face Detection relatif cepat sehingga dapat dengan mudah diaplikasikan pada
sistem yang bersifat real time seperti pada TA ini. Pada modul Face Recognition, penulis
menggunakan algoritma Eigenface sebagai proses training dan Face Matching. Alasan
digunakannya algoritma Eigenface pada modul Face Recognition adalah karena waktu
yang dibutuhkan untuk melakukan kedua proses tersebut relatif cepat dan akurasi yang
dikeluarkan sangat baik.
Analisa yang dilakukan oleh penulis mencakup 2 modul utama, yaitu Face
Detection dan Face Recognition. Pada modul Face Detection dilakukan pengujian
dengan menghitung berapa banyak image wajah yang dapat ditangkap oleh system dalam
satu satuan waktu serta pada modul Face Recognition akan dilakukan pengujian dengan
menghitung berapa nilai threshold yang baik bagi sistem untuk dapat melakukan
pengenalan wajah. Hasil pengujian pada modul Face Detection memperlihatkan bahwa
dengan menggunakan algoritma Chromatic Space system dapat menangkap image wajah
dengan cukup baik tergantung dari keadaan latar belakang serta kualitas cahaya pada
lingkungan tertentu, sedangkan hasil pengujian pada modul Face Recognition memperlihatkan bahwa dengan menggunakan pola 1 Class ?? 10 Orang Image didapat
nilai error threshold 0.0415, yang berarti dengan menggunakan nilai error threshold
tersebut diharapkan sistem dapat memberikan nilai kecocokan antara image inputan
dengan image dalam database sebesar 100%. Dari hasil analisa didapat kesimpulan
bahwa hasil yang didapat algoritma Chromatic Space bergantung pada keadaan
lingkungan disekitar, sedangkan nilai error threshold untuk Face Recognition system
yang baik bagi sistem dengan pola 1 Class ?? 10 image per orang adalah 0.0415.