APLIKASI IDENTIFIKASI PELANGGARAN PENGGUNA ANJUNGAN TUNAI MANDIRI (ATM) MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ)

Abstract

Tindak kejahatan seperti pencurian dan perampokan di Anjungan Tunai Mandiri (ATM) terus meningkat. Penerapan tata tertib serta pemasangan kamera pemantau sudah dilakukan untuk membantu kamera dalam mengetahui wajah pelaku kejahatan. Akan tetapi sampai saat ini belum ada perangkat lunak cerdas yang dapat mengolah atau mendeteksi wajah secara langsung dari hasil rekaman kamera pemantau terutama di ATM, sehingga dapat mencegah pengguna untuk melanjutkan transaksi jika melanggar tata tertib saat menggunakan mesin ATM. Aplikasi ini mendeteksi wajah dengan metode Viola Jones yang terdiri dari empat konsep utama yaitu Haar Feature, Integral Image, Adaboost, dan Cascade Classifier untuk menemukan fitur wajah pada gambar hasil tangkapan kamera. Pola wajah yang terdeteksi akan dilakukan pra-proses meliputi, proses grayscaling dan resize, dan histogram feature extraction sebelum di identifikasi dengan Metode Learning Vector Quantization (LVQ) untuk klasifikasi citra pengguna yang tidak mematuhi tata tertib. Akurasi keberhasilan pengenalan citra dengan LVQ mencapai nilai accuracy sebesar 75% untuk citra uji sama dengan citra pembelajaran, dan nilai accuracy sebesar 65% untuk citra uji berbeda dengan citra pembelajaran. Tahap akhir aplikasi akan menampilkan informasi berupa peringatan pada pengguna berdasarkan hasil identifikasi.