Perpustakaan Digital ITB

Pandemi covid-19 menyebabkan perubahan pada kegiatan sehari-hari manusia seperti memakai masker saat keluar rumah, menghindari kerumunan, bekerja dari rumah dan masih banyak lagi. Tetapi perkantoran pada sektor essensial masih harus membuka kantor dan pekerja harus bekerja dari kantor dan covid-19 dapat menular melalui kontak fisik dengan carrier maupun kontak fisik dengan residu virus yang tertinggal pada benda. Hal ini memunculkan berbagai masalah, salah satunya adalah perekapan data kehadiran pekerja. Perekapan data kehadiran pekerja harus dapat dilakukan secara less-contact agar dapat menghindari penularan virus covid-19. Sistem Presensi Less-Contact yang dirancang menggunakan embedded sistem berupa Single Board Computer Nvidia Jetson Nano. Algoritma face recognition biasanya di-implementasi pada komputer yang memiliki computing power yang tinggi sehingga untuk mengimplementasikan algoritma face recognition pada embedded sistem menjadi tantangan yang besar. Dibutuhkan algoritma face recognition yang ringan dan dapat berjalan dengan resource yang terbatas. Perancangan algoritma face recogntion ini menggunakan siamese network dan terdiri dari 3 bagian yaitu Face Detection, Feature Extraction, dan Classifier. Face detection menggunakan pretrained Convolutional Neural Network (CNN) model yang efisien, Faceboxes. Feature Extraction menggunakan mobilefacenet yang merupakan model CNN yang ringan dan dapat dijalankan pada smartphone. Classifier menggunakan Radius Neighbors Classifier (RNC) yang merupakan algoritma klasifikasi yang dapat bekerja dengan resource yang terbatas. Dari pengujian yang dilakukan, algoritma face recognition yang didesain mendapatkan akurasi sebesar 96.96% dengan inference/ performance speed sebesar 1.5 s.