Pembuatan Aplikasi Pengenalan Wajah untuk Sistem Presensi Kelas Menggunakan Algoritma Convolutional Neural Network

Pratama, Muhammad Alifian Fajar (2023) Pembuatan Aplikasi Pengenalan Wajah untuk Sistem Presensi Kelas Menggunakan Algoritma Convolutional Neural Network. [Undergraduate thesis]

[thumbnail of TI_2490_Abstrak.pdf] PDF
TI_2490_Abstrak.pdf

Download (119kB)
Official URL / DOI: http://digilib.ubaya.ac.id/pustaka.php/271146

Abstract

Presensi merupakan sebuah metode yang digunakan oleh sebuah instansi untuk mencatat para pekerja yang bekerja di sebuah instansi tersebut atau para mahasiswa/i atau siswa/i yang berada di sebuah instansi pendidikan. Pada masa pandemi Universitas Surabaya mengubah sistem presensi yang digunakan, sistem yang pertama kali digunakan sebelum pandemi berupa kertas, saat pandemi Universitas Surabaya mengubah sistem presensi menggunakan website. Pada website ini mahasiswa hanya perlu memilih mata kuliah yang sedang berlangsung dan melakukan proses presensi. Pada tahun 2022 pemerintah Indonesia memperbolehkan Universitas serta Sekolah untuk melakukan proses pembelajaran secara tatap muka. Universitas Surabaya juga melakukan transisi dari pembelajaran online menjadi tatap muka, akan tetapi sistem presensi yang digunakan masih berupa website, hal ini menyebabkan mahasiswa presensi fiktif atau melakukan presensi namun mahasiswa tidak mengikuti kelas. Berdasarkan permasalahan tersebut pada penelitian ini dibuat sebuah aplikasi yang dapat membantu pihak universitas untuk mencegah mahasiswa melakukan presensi fiktif dengan digunakannya pengenalan wajah atau face recognition dalam proses presensi menggunakan metode Convolutional Neural Network atau CNN. Proses pembuatan model CNN akan digunakan model pre-trained yaitu GoogleNet yang ditambahkan 1 layer dan akan digunakan proses Hyperparameter Tuning untuk mendapatkan model CNN terbaik dengan mencari nilai Hyperparameter yang optimal berdasarkan nilai dan jenis Hyperparameter yang telah ditentukan. Salah satu hasil uji coba pembuatan model CNN didapatkan model terbaik dengan tingkat akurasi 97.

Item Type: Undergraduate thesis
Uncontrolled Keywords: Convolutional Neural Network, Face recognition, Presensi
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering > Department of Informatic
Depositing User: Hari Subagijo 201031
Date Deposited: 02 May 2024 09:59
Last Modified: 02 May 2024 09:59
URI: http://repository.ubaya.ac.id/id/eprint/46309

Actions (login required)

View Item View Item