ABSTRAKSI: Perkembangan smartphone android yang sangat cepat di pasaran mobile phone disebabkan oleh fungsi dan fitur-fiturnya yang semakin canggih. Hal tersebut dimanfaatkan oleh para android programmer untuk membuat sebuah aplikasi android yang praktis dan multifungsi. Salah satu aplikasi yang dapat dikembangkan adalah aplikasi biometrik. Salah satunya adalah aplikasi face recognition di platform android. Sistem ini mengidentifikasi suatu individu dengan menggunakan ciri yang terdapat dalam wajah. Sehingga sistem presensi akan jauh lebih distinctive, efektif, cepat dan secure. Selain itu, karena metode ini digunakan dalam platform mobile android sehingga sistem presensi akan lebih flexible.
Pada tugas akhir ini, prototype yang diimplementasikan akan memiliki beberapa proses utama seperti, pendeteksian wajah menggunakan LBP Classifier, preprocessing, metode fisherface , dan Euclidean Distance.
Setelah prototype aplikasi mengalami beberapa pengujian, akurasi sebenarnya diperoleh sebesar 91.02 %, dengan estimasi EER sebesar 11.85 %. Akurasi minimum sebesar 70.5 % diperoleh dari kondisi citra yang mengalami motion blur dengan len 30 dan theta 450. Prototype aplikasi ini diharapkan dapat dikembangkan terus menerus sehingga menjadi aplikasi yang dapat digunakan di lapangan sebagai metode sistem presensi yang baik.Kata Kunci : android, face recognition, presensi, biometrik, fisherfaceABSTRACT: The rapid development of android phone in mobile phone market is caused by its functionality and more advanced feature. Android programmer utilizes it into android application which more practical and multifunction. One of the application which can be developed is biometric application. One of that is human face recognition in android platform for attendance system. This application identifies a human from its feature of face. So that, it will be more distinctive, effective, fast and secure. Other than that, since the used method is using android mobile platform so the system will be more flexible.
In this final project report, the implemented prototype will have some main process like, face detection using LBP Classifier, preprocessing, fisherface method, and Euclidean Distance.
After this implemented prototype run into some test, it has true accuracy at 91.02 %, with estimate EER at 11.85 %. Minimum accuracy of 70.5 % was acquired from image having motion blur with 30 len and 450 theta. The continuity of this application development is expected so it will be used in vocational as good attendance system.Keyword: android, face recognition, attendance, biometric, fisherface