Skripsi/Tugas Akhir

Perancangan Aplikasi Membership Berbasis Pengenalan Wajah Menggunakan Metode Eigenface

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Manajemen transaksi dan sistem keanggotaan yang masih dilakukan secara manual di Puri Lestari menyebabkan berbagai kendala, seperti kesulitan dalam pencatatan riwayat pembelian serta kurangnya strategi untuk meningkatkan loyalitas pelanggan. Untuk mengatasi permasalahan ini, penelitian ini merancang dan mengembangkan sistem manajemen transaksi berbasis pengenalan wajah menggunakan metode Eigenface. Sistem ini memungkinkan pencatatan transaksi secara otomatis serta penerapan sistem membership berbasis poin tanpa memerlukan kartu fisik, sehingga meningkatkan efisiensi operasional dan kemudahan bagi pelanggan. Metode Eigenface dipilih karena memiliki performa yang baik dalam pengenalan wajah dengan tingkat akurasi tinggi. Pengujian menunjukkan bahwa sistem ini mencapai akurasi 98.48% dengan F1-score 98.49%. Namun, dalam implementasi nyata, terdapat kendala dalam mendeteksi wajah pada kondisi pencahayaan yang tidak memadai. Pencahayaan yang terlalu redup atau tidak merata menyebabkan fitur wajah menjadi kurang jelas, sehingga menurunkan akurasi sistem dalam mengenali wajah pelanggan. Selain itu, perbedaan pencahayaan antara kondisi pengujian dan lingkungan nyata juga berdampak pada performa sistem, terutama karena model dilatih dengan gambar yang memiliki pencahayaan lebih stabil. Hasil penelitian menunjukkan bahwa penerapan sistem ini dapat meningkatkan efisiensi dalam pencatatan transaksi serta memberikan pengalaman transaksi yang lebih praktis bagi pelanggan. Sistem membership berbasis poin yang dikembangkan juga berkontribusi dalam meningkatkan loyalitas pelanggan dengan memberikan kemudahan dalam pengumpulan dan penukaran poin. Untuk mengatasi kendala terkait pencahayaan, sistem dapat diperbarui dengan model pengenalan wajah yang lebih adaptif terhadap variasi pencahayaan, seperti menggunakan metode berbasis deep learning seperti ArcFace, FaceNet, atau VGGFace. Selain itu, sebagai alternatif autentikasi, penggunaan kode member dapat diterapkan untuk memastikan pelanggan tetap dapat mengakses sistem meskipun terjadi kendala dalam pendeteksian wajah. Penelitian lebih lanjut juga diperlukan guna mengevaluasi performa sistem dalam kondisi nyata serta melakukan penyesuaian parameter agar sistem lebih optimal dalam berbagai situasi.
Kata Kunci: Membership, Pengenalan Wajah, Eigenface, Sistem Transaksi
ABSTRACT
The manual transaction management and membership system at Puri Lestari has led to various challenges, such as difficulties in recording purchase histories and the lack of strategies to enhance customer loyalty. To address these issues, this study designs and develops a facial recognition-based transaction management system using the Eigenface method. This system enables automatic transaction recording and implements a point-based membership system without requiring physical cards, thereby improving operational efficiency and customer convenience. The Eigenface method was chosen for its strong performance in facial recognition with high accuracy levels. Testing results indicate that the system achieves an accuracy of 98.48% with an F1-score of 98.49%. However, in realworld implementation, challenges arise in detecting faces under inadequate lighting conditions. Dim or uneven lighting causes facial features to become less distinct, reducing the system's accuracy in recognizing customers' faces. Moreover, differences in lighting conditions between testing environments and real-world settings also impact system performance, especially since the model was trained with images that have more stable lighting. The study results indicate that implementing this system can improve efficiency in transaction recording and provide a more convenient transaction experience for customers. The developed point-based membership system also contributes to increasing customer loyalty by facilitating point collection and redemption. To address lighting-related challenges, the system can be improved with a facial recognition model that is more adaptive to lighting variations, such as deep learning-based methods like ArcFace, FaceNet, or VGGFace. Additionally, as an alternative authentication method, a membership code system can be implemented to ensure that customers can still access the system even if facial detection issues occur. Further research is needed to evaluate system performance in real-world conditions and fine-tune parameters to optimize performance across various situations.
Kata Kunci: Membership, Facial Recognition, Eigenface, Transaction System

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 IBR p - 0837TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xvi + 109 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 26 Februari 2025

Subjek

Skripsi/Tugas Akhir
Face Recognition
Metode Eigenface

Lampiran File