Sistem presensi dengan autentikasi multifaktor berbasis single board computer dan Esp32

Almeera Amsana Rachmani, (NIM. 1022111084) (2025) Sistem presensi dengan autentikasi multifaktor berbasis single board computer dan Esp32. Other thesis, Universitas Bangka Belitung.

[thumbnail of HALAMAN DEPAN] Text (HALAMAN DEPAN)
HALAMAN DEPAN.pdf - Accepted Version
Restricted to Registered users only
Download (1MB)
[thumbnail of BAB I] Text (BAB I)
BAB I.pdf - Accepted Version
Restricted to Registered users only
Download (325kB)
[thumbnail of BAB II] Text (BAB II)
BAB II.pdf - Accepted Version
Restricted to Registered users only
Download (600kB)
[thumbnail of BAB III] Text (BAB III)
BAB III.pdf - Accepted Version
Restricted to Registered users only
Download (1MB)
[thumbnail of BAB IV] Text (BAB IV)
BAB IV.pdf - Accepted Version
Restricted to Registered users only
Download (801kB)
[thumbnail of BAB V] Text (BAB V)
BAB V.pdf - Accepted Version
Restricted to Registered users only
Download (310kB)
[thumbnail of DAFTAR PUSTAKA] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Accepted Version
Restricted to Registered users only
Download (272kB)
[thumbnail of LAMPIRAN] Text (LAMPIRAN)
LAMPIRAN.pdf - Accepted Version
Restricted to Repository staff only
Download (624kB)

Abstract

Sistem presensi konvensional di SMA Negeri 2 Pangkalpinang yang menggunakan metode panggilan manual membutuhkan waktu hingga 10 menit per mata pelajaran dan rentan terhadap manipulasi data. Penelitian ini membuat sistem presensi autentikasi multifaktor yang mengintegrasikan teknologi RFID dan pengenalan wajah berbasis YOLOv8n dengan deteksi keaktifan (liveness detection) untuk meningkatkan keamanan dan efisiensi pencatatan kehadiran. Sistem dirancang menggunakan Single Board Computer (Raspberry Pi 4 Model B RAM 8GB) sebagai unit pemrosesan utama, webcam untuk pengenalan wajah, NodeMCU ESP32 dengan RFID reader RC522 untuk autentikasi kartu, ESP32 Wrover Cam untuk monitoring, serta Google Sheets sebagai database. Dataset dikumpulkan dari 10 siswa kelas X dengan total 2.500 foto yang terdiri dari 1.000 foto wajah asli dan 1.500 foto percobaan spoofing (foto cetak, foto digital, dan video). Model YOLOv8n dilatih menggunakan transfer learning dengan konfigurasi optimal 125 epoch dan 16 batch. Hasil pengujian menunjukkan model mencapai mAP@0.5:0.95 sebesar 0,9305 dan skor F1 0,9954. Sistem berhasil mengenali wajah asli dengan confidence score rata-rata 0,89 dan waktu pemrosesan total 11,46 detik. Pengujian keamanan membuktikan sistem mampu mendeteksi 100% upaya spoofing dengan confidence score 0,90-0,94 serta menolak seluruh percobaan penyalahgunaan RFID. Implementasi autentikasi multifaktor ini terbukti efektif meningkatkan keamanan sistem presensi dengan tetap mempertahankan efisiensi operasional yang baik.

Item Type: Thesis (Other)
Uncontrolled Keywords: autentikasi multifaktor, presensi, pengenalan wajah, RFID
Subjects: T Teknologi > TK Teknik Elektro. Elektronika. Teknik Nuklir
Divisions: FAKULTAS SAINS DAN TEKNIK > TEKNIK ELEKTRO > SKRIPSI
Depositing User: Mrs Nia Erawati
Date Deposited: 03 Dec 2025 01:21
Last Modified: 03 Dec 2025 01:21
URI: https://repository.ubb.ac.id/id/eprint/12207

Actions (login required)

View Item View Item