Alparisi, Ari (2024) Implementasi Deep Learning dalam Sistem Absensi Siswa dengan Face Recognition. Skripsi thesis, Prodi Teknik Informatika.
Text
cover.pdf - Submitted Version Download (2MB) |
|
Text
bab I.pdf - Submitted Version Download (1MB) |
|
Text
bab II.pdf - Submitted Version Download (5MB) |
|
Text
bab III.pdf - Submitted Version Download (4MB) |
|
Text
bab IV.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy |
|
Text
bab V.pdf - Submitted Version Download (627kB) |
|
Text
daftar pustaka.pdf - Submitted Version Download (651kB) |
|
Text
lampiran.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy |
Abstract
Di era teknologi informasi yang merajalela, pendidikan terkena dampak signifikan, salah satunya melalui pengenalan wajah untuk autentikasi kehadiran siswa. Teknologi ini lebih tahan terhadap pemalsuan dan manipulasi dibandingkan metode seperti kartu RFID, menawarkan akurasi tinggi dan dapat berfungsi di berbagai kondisi, membuatnya efektif dan efisien. Kehadiran siswa sangat penting untuk efektivitas proses pembelajaran, tetapi metode tradisional memiliki keterbatasan dalam hal akurasi, kecepatan, dan kenyamanan. Institusi kini beralih ke metode berbasis teknologi seperti aplikasi seluler atau perangkat RFID yang masih memerlukan interaksi fisik. Pengenalan wajah dengan pembelajaran mendalam menjanjikan untuk menyederhanakan proses kehadiran dengan meningkatkan akurasi dan efisiensi, mengatasi tantangan seperti variasi pose, ekspresi wajah, dan kondisi pencahayaan. Penelitian ini dimulai dengan pemilihan dataset wajah yang mencakup variasi pencahayaan, sudut pengambilan, dan ekspresi wajah. Proses preprocessing mencakup transformasi gambar ke format RGB, penyesuaian ukuran menjadi 64x64 piksel, dan normalisasi nilai piksel. Model CNN dirancang dengan beberapa lapisan Conv2D dengan 64 filter dan fungsi aktivasi ReLU, diikuti oleh MaxPooling2D dan dua lapisan Dense dengan fungsi aktivasi ReLU dan Softmax. Evaluasi model dilakukan dengan membagi dataset menjadi proporsi pelatihan dan pengujian, dengan akurasi tertinggi mencapai 95.62% pada proporsi 50:50 dengan 20 epoch. Hasil ini menunjukkan bahwa sistem absensi berbasis face recognition menggunakan CNN dapat menjadi solusi yang efektif dalam mengelola kehadiran siswa, meningkatkan efisiensi administrasi, serta memberikan pengalaman yang lebih modern dan terintegrasi bagi siswa dan pengajar.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | istem Kehadiran; Kecerdasan Buatan; Jaringan Saraf Konvolusional (CNN); Pembelajaran Mendalam; Pengenalan Wajah.:Attendance System; Artificial Intelligence; Convolutional Neural Network (CNN); Deep Learning; Face Recognition. |
Subjects: | 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 004.21 Sistem Analis dan Desain Komputer 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 005.12 Sistem Analisa dan Desain Perangkat Lunak |
Divisions: | Fakultas Teknik dan Komputer > Teknik Informatika |
Depositing User: | Lia Priscilla |
Date Deposited: | 02 Nov 2024 02:53 |
Last Modified: | 02 Nov 2024 02:53 |
URI: | http://repository.upbatam.ac.id/id/eprint/6470 |
Actions (login required)
View Item |
Downloads
Downloads per month over past year