Analisis Perbandingan Metode Pengenalan Wajah untuk Absensi Online dengan KNN dan Local Binary Pattern Histogram (LBPH)

Abstract

Abstrak— Pengenalan wajah merupakan bagian integral dari sistem biometrik yang banyak digunakan dalam berbagai aplikasi, termasuk dalam sistem absensi online. Penelitian ini bertujuan untuk membandingkan dua metode pengenalan wajah, yaitu k-Nearest Neighbor (KNN) dan Local Binary Pattern Histogram (LBPH), dalam konteks implementasi sistem absensi online. Dengan memanfaatkan data wajah dari 10 individu dengan masing-masing paling sedikit 100 citra wajah, penelitian ini melibatkan pengambilan data wajah secara realtime menggunakan webcam dan analisis performa metode KNN serta LBPH. Hasil pengujian menunjukkan bahwa metode KNN, dengan total 1011 wajah, mencapai akurasi terbaik sebesar 98,52% untuk pengenalan wajah. Sementara itu, metode LBPH memberikan hasil terbaik sebesar 81% untuk pencocokan wajah per individu. Dari hasil pengujian yang telah dilakukan menunjukkan bahwa akurasi yang dihasilkan dengan menggunakan metode KNN memiliki akurasi lebih baik dibandingkan LBPH. Penelitian ini memberikan pemahaman yang lebih baik tentang kecocokan dan keunggulan relatif dari kedua metode dalam konteks pengenalan wajah untuk tujuan absensi online.

 Kata Kunci— Analisis, Pengenalan Wajah, K-Nearest Neighbor (KNN), Local Binary Pattern Histogram (LBPH), Sistem Absensi Online.