IMPLEMENTASI DETEKSI DAN PENGENALAN WAJAH PADA SISTEM UJIAN ONLINE MENGGUNAKAN METODE DEEP LEARNING BERBASIS RASPBERRY PI

  • Hendro FJ Lami Undana
  • Stephanie Imelda Pella
Keywords: : Raspberry pi, Deep,Learning, Haarcascade

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem yang secara otomatis dapat mengenali peserta dalam tes berbasis online untuk efisiensi waktu dan biaya. Sistem ini terdiri dari Raspberry Pi untuk menjalankan algoritma pengenalan wajah, Kamera Pi untuk menangkap gambar peserta dan server lokal untuk menyimpan data peserta. Pada tahap awal penelitian, dibangun sebuah dataset yang berisi foto terbaru peserta dan id peserta. Dataset ini kemudian digunakan dalam proses pembelajaran menggunakan algoritma haarcascade yang merupakan bagian dari metode deep learning untuk menghasilkan sebuah model. Pada tahap pengenalan, gambar peserta dibandingkan dengan model. Peserta yang berhasil dikenali akan secara otomatis dialokasikan ke komputer yang tersedia. Pengujian menunjukkan bahwa sistem berhasil mengenali peserta tes dan yang bukan peserta tes.

Downloads

Download data is not yet available.

References

[1] Johnston, Steven J., et al. "Commodity single board computer clusters and their applications." Future Generation Computer Systems 89 (2018): 201-212.
[2] Kyaw, Ar Kar, Hong Phat Truong, and Justin Joseph. "Low-Cost Computing Using Raspberry Pi 2 Model B." JCP 13.3 (2018): 287-299.
[3] Website LTMPT https://ltmpt.ac.id/?mid=8 diakses pada tanggal 29/07/2019.
[4] Website PLTI https://plti.co.id/ diakses pada tanggal 29/07/2019.
[5] Patil, Ajinkya, and Mrudang Shukla. "Implementation of classroom attendance system based on face recognition in class." International Journal of Advances in Engineering & Technology 7.3 (2014): 974.
[6] Cao, Fengping, Mimi Wang, and Kuihao Wang. "The Classroom Attendance Management System of Face Recognition Based on LBS." 2018 5th International Conference on Education, Management, Arts, Economics and Social Science (ICEMAESS 2018). Atlantis Press, 2018.
[7] Patel, Anjali, and Ashok Verma. "IOT based Facial Recognition Door Access Control Home Security System." International Journal of Computer Applications 172.7 (2017): 11-17.
[8] Rantelobo, K., et al. "Scalable Video Coding Based on Wireless Sensor Networks for Monitoring Object." THE FIRST INTERNATIONAL CONFERENCE AND EXHIBITION ON SCIENCES AND TECHNOLOGY (ICEST) 2018. 2018.
[9] M. Sayem and M. S. Chowdhury, "Integrating Face Recognition Security System with the Internet of Things," 2018 International Conference on Machine Learning and Data Engineering (iCMLDE), Sydney, Australia, 2018, pp. 14-18.
doi: 10.1109/iCMLDE.2018.00013
[10] Rosebrock, Adrian. "OpenCV Face Recognition." PyImageSearch. Dostopno na: https://www. pyimagesearch. com/2018/09/24/opencv-face-recognition/[14. 4. 2019] (2018).
[11] Prasanna, D. Mary, and Ch Ganapathy Reddy. "Development of Real Time Face Recognition System Using OpenCV." Development 4.12 (2017).
Published
2019-08-05
How to Cite
Lami, H., & Pella, S. (2019). IMPLEMENTASI DETEKSI DAN PENGENALAN WAJAH PADA SISTEM UJIAN ONLINE MENGGUNAKAN METODE DEEP LEARNING BERBASIS RASPBERRY PI. Media Elektro, 8(1), 89-92. Retrieved from https://ejurnal.undana.ac.id/jme/article/view/1394
Section
Articles

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.