INTEGRATED ATTENDANCE APPLICATION BASED ON FACE RECOGNITION AND ARTIFICIAL INTELLIGENCE WITH ACADEMIC SYSTEM

Afdal Rezki, - (2023) INTEGRATED ATTENDANCE APPLICATION BASED ON FACE RECOGNITION AND ARTIFICIAL INTELLIGENCE WITH ACADEMIC SYSTEM. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_TE_1900206_Title.pdf Download (829kB)
	Text S_TE_1900206_Chapter 1.pdf Download (110kB)
	Text S_TE_1900206_Chapter 2.pdf Restricted to Staf Perpustakaan Download (310kB)
	Text S_TE_1900206_Chapter 3.pdf Download (362kB)
	Text S_TE_1900206_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TE_1900206_Chapter 5.pdf Download (103kB)
	Text S_TE_1900206_Appendix.pdf Restricted to Staf Perpustakaan Download (224kB)

Abstract

The facial recognition attendance system plays a crucial role in enhancing security through its biometric capabilities. Particularly, in the context of a pandemic or an endemic situation, the adoption of facial recognition technology offers a contactless solution to minimize the risk of transmission. This research aims to develop a mobile-based facial attendance system using artificial intelligence. Numerous previous studies have demonstrated high accuracy levels of mobile-based facial recognition systems supported by artificial intelligence. By integrating this technology with Flutter programming and applying Machine Learning and Neural Network methods, a fast and accurate facial recognition system is created. Flutter provides user interface widgets developed by Google with high-quality coding standards. With this system, developers can easily customize without the need to write code from scratch. Within Flutter, various technologies are highly supportive of Artificial Intelligence-based project development. Libraries are available to facilitate application creation, streamlining the coding process. This mobile-based application enables usage anytime and anywhere. The Iterative Waterfall Model is employed as the development methodology. The implemented facial attendance application achieves a system accuracy rate of 92%, with a dataset loading time of around 653 milliseconds. This application demonstrates efficient facial recognition under adequate lighting conditions, even when faces are obstructed by glasses. Overall, this research presents a well-functioning facial attendance system by harnessing artificial intelligence to enhance security and contactless interactions that can be applied to the academic system. Sistem aplikasi kehadiran wajah memiliki peran penting dalam meningkatkan keamanan melalui kemampuan biometriknya. Terutama, dalam konteks pandemi atau endemi, adopsi teknologi pengenalan wajah menawarkan solusi tanpa kontak untuk meminimalkan risiko penularan. Penelitian ini bertujuan untuk mengembangkan sistem kehadiran wajah berbasis mobile menggunakan kecerdasan buatan. Banyaknya penelitian terdahulu telah menunjukkan tingkat akurasi yang tinggi dari sistem pengenalan wajah berbasis mobile yang didukung oleh kecerdasan buatan. Dengan mengintegrasikan teknologi ini dengan pemrograman Flutter dan menerapkan metode Machine Learning dan Neural Network, sistem pengenalan wajah yang cepat dan akurat tercipta. Flutter menyediakan user interface widgets yang dikembangkan oleh Google dengan kualitas coding yang tinggi. Dengan sistem ini developer dapat melakukan kustomisasi dengan mudah, tanpa perlu menulis coding dari nol. Di dalam flutter memiliki berbagai teknologi yang sangat mendukung untuk pengembangan sebuah projek berbasis Artificial Intelligence. Library untuk memudahkan pembuatan aplikasi juga sudah tersedia sehingga memudahkan proses coding. Aplikasi berbasis mobile ini memungkinkan penggunaan kapanpun dan dimanapun. Metode Iterative Waterfall Model digunakan sebagai metodologi pengembangan. Aplikasi kehadiran wajah yang diimplementasikan mencapai tingkat akurasi sistem sebesar 92%, dengan waktu pemuatan dataset sekitar 653 milidetik. Aplikasi ini menunjukkan pengenalan wajah yang efisien dalam kondisi pencahayaan yang memadai, walaupun wajah terhalang oleh kacamata. Secara keseluruhan, penelitian ini menyajikan sistem kehadiran wajah yang baik dengan memanfaatkan kecerdasan buatan untuk meningkatkan keamanan dan interaksi tanpa kontak yang dapat diterapkan pada sistem akademik.

Item Type:	Thesis (S1)
Additional Information:	Link Google Scholar : https://scholar.google.com/citations?user=U_nZnZMAAAAJ&hl=en ID SINTA Dosen Pembimbing : Didin Wahyudin : 5979316 Siscka Elvyanti : 6722063
Uncontrolled Keywords:	Face recognition; Artificial intelligence; Machine learning; Mobile application
Subjects:	Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Pendidikan Teknologi dan Kejuruan > Jurusan Pendidikan Teknik Elektro > Program Studi Teknik Tenaga Elektrik
Depositing User:	Afdal Rezki
Date Deposited:	05 Sep 2023 01:30
Last Modified:	05 Sep 2023 01:30
URI:	http://repository.upi.edu/id/eprint/101745

Actions (login required)

View Item