ABSTRAKSI: Salah satu cara yang dapat digunakan untuk mendisiplinkan pegawai adalah dengan menerapkan sistem presensi yang dapat mencatat setiap kehadiran pegawai dengan proses waktu yang real time, dan kehadiran pegawai yang tidak bisa diwakilkan. Salah satu metode yang dapat digunakan dalam sistem presensi tersebut adalah dengan pengenalan wajah.
Pada tugas akhir ini telah didesain dan direalisasikan suatu sistem presensi berbasis deteksi wajah menggunakan 2D-Discrete Cosine Transform (DCT-2D) dan Principle Component Analysis (PCA). Sebelum dilakukan ekstraksi fitur citra input akan dibagi menjadi blok-blok kecil dengan ukuran 8x8 pixel. Kemudian blok-blok tersebut akan di ekstraksi dengan DCT-2D. Masing-masing blok akan diambil nilai koefisien tertingginya dan disatukan dalam sebuah matrik. Matrik ini akan menjadi input untuk proses PCA untuk dicari nilai eigenfacenya. Metode klasifikasi yang digunakan adalah K-Nearest Neighbour (K-NN).
Dari hasil pengujian performansi sistem, diperoleh akurasi tertinggi saat sistem offline sebesar 96,70 % dan waktu komputasi 4,23 detik (Euclidean Distance pada nilai K=3). Sedangkan saat sistem Realtime akurasi tertinggi diperoleh sebesar 93,33% dan waktu komputasi 4,51 detik (Correlation Distance pada nilai K=1).
Kata Kunci : 2D-Discrete Cosine Transform (DCT-2D) , Principle Component Analysis (PCA), Presensi , K-Nearest Neighbor.ABSTRACT: One of method that can use for employee disciplining is apply presence system that can record every attendance with realtime time prosses, and presence of employees that can not be represented. One of method that can use in this presence system is with face recognition.
In this final project has been designed and realized a Presence system based face detection using 2D-Discrete Cosine Transform (DCT-2D) and Principle Component Analysis (PCA). Before the feature extraction input image will be divided into small blocks with a size of 8x8 pixel. Then the blocks will be extracted by the DCT-2D. Each block will be retrieved the highest coefficient values and are incorporated in a matrix. This matrix will be input to the PCA process to calculate eigenface value. K-Nearest Neighbor (KNN) is used for Classification method.
Based on the result of performance testing system, it is known that the highest accuracy when offline is 96,70% and computation time of the system is 4,23 seconds (Euclidean Distance when K=3). When system in real time the highest accuracy obtained by 93.33% and computation time of the system is 4,51 seconds (Correlation Distance with K=1).
Keyword: 2D-Discrete Cosine Transform (DCT-2D) , Principle Component Analysis (PCA), Presence , K-Nearest Neighbor.