SISTEM PENCATATAN KEHADIRAN OTOMATIS BERBASIS PENGENALAN WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Fenti Endrianti, - (2017) SISTEM PENCATATAN KEHADIRAN OTOMATIS BERBASIS PENGENALAN WAJAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_KOM_1201736_Title.pdf

Download (93kB)
[img] Text
S_KOM_1201736_Abstract.pdf

Download (193kB)
[img] Text
S_KOM_1201736_Table_of_content.pdf

Download (160kB)
[img] Text
S_KOM_1201736_Chapter1.pdf

Download (160kB)
[img] Text
S_KOM_1201736_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (507kB)
[img] Text
S_KOM_1201736_Chapter3.pdf

Download (227kB)
[img] Text
S_KOM_1201736_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[img] Text
S_KOM_1201736_Chapter5.pdf

Download (70kB)
[img] Text
S_KOM_1201736_Bibliography.pdf

Download (162kB)
[img] Text
S_KOM_1201736_Appendix.pdf
Restricted to Staf Perpustakaan

Download (3MB)
Official URL: http://repository.upi.edu

Abstract

Sistem biometrik adalah teknologi yang digunakan dengan mengidentifikasi keunikan karakteristik fisiologis manusia, seperti identifikasi sidik jari, wajah, iris, dan lain-lain. Saat ini face detection atau pengenalan wajah sudah banyak diaplikasian dalam sistem biometrik. Sistem biometrik dengan pengenalan wajah dapat diaplikasian dalam proses pencatatan kehadiran otomatis bebasis pengenalan wajah. Kehadiran adalah faktor yang sangat penting untuk berbagai keperluan dan merupakan salah satu kriteria penilaian yang penting untuk karyawan. Sama halnya dalam dunia pendidikan, kehadiran juga sangat penting untuk mengetahui dan mengontrol kehadiran para siswa atau mahasiswa. Untuk itu pencatatan kehadiran merupakan suatu hal yang tidak pernah lepas dari keduanya. Saat ini proses pencatatan kehadiran masih banyak dilakukan secara manual dan dinilai kurang efektif dan efisiensi. Sehingga pada penelitian ini akan dilakukan proses pencatatan kehadiran otomatis di ruang kelas berbasis pengenalan wajah yang saat ini dianggap mampu untuk mengefisiensi waktu pencatatan kehadiran. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). Eksperimen ini dilakukan dengan beberapa tahapan dari mulai pendeteksian wajah, proses perbaikan citra (preprocessing), dan pembuatan model dengan data training. Setelah dilakukan eksperimen pada 2400 data, yang terbagi menjadi 1200 data citra lihat kamera dan 1200 data citra tidak lihat kamera. Hasil klasifikasi pada eksperimen menunjukan akurasi sebesar 93,33%, dari data citra lihat kamera. Dengan begitu pengenalan wajah dapat digunakan untuk proses pencatatan kehadiran di dalam ruang kelas. -----Biometric system is a technology used by identifying the uniqueness of human physiological characteristics, such as fingerprint identification, face, iris, and others. Currently face detection or face recognition has been widely applied in biometric systems. Biometric system with face recognition can be applied in the process of recording the automatic presence of face recognition bebasis. Attendance is a very important factor for many purposes and is one of the important assessment criteria for employees. Similarly in the world of education, attendance is also very important to know and control the presence of students or students. For that the recording of attendance is a thing that never separated from both. Currently the process of recording attendance is still mostly done manually and is considered less effective and efficient. So in this research will be done process of automatic attendance recording in facial recognition classroom which is currently considered capable to efficient time attendance record. The method used in this research is Convolutional Neural Network (CNN). This experiment was carried out with several stages of starting face detection, preprocessing process, and modeling with training data. After an experiment on 2400 data, which is divided into 1200 image data see the camera and 1200 image data do not see the camera. The results of the classification in the experiment showed an accuracy of 93.33%, from the image data see the camera. That way face recognition can be used for the process of recording attendance in the classroom.

Item Type: Skripsi,Tesis,Disertasi (S1)
Additional Information: No. Panggil : S KOM FEN s-2017 Pembimbing I : Wawan Setiawan II : Yaya Wihardi NIM : 1201736
Uncontrolled Keywords: Attendance, Face detection, Face Recognition, Convolutional Neural Network (CNN), Praprocessing
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: DAM staf
Date Deposited: 21 Jan 2019 01:45
Last Modified: 21 Jan 2019 01:45
URI: http://repository.upi.edu/id/eprint/33463

Actions (login required)

View Item View Item