Sistem pengenalan wajah berbasis convolutional neural network dan metode haar pada sistem presensi di Fakultas Sains Dan Teknik Universitas Bangka Belitung

Bryan Hendersen, (NIM. 1021711048) (2024) Sistem pengenalan wajah berbasis convolutional neural network dan metode haar pada sistem presensi di Fakultas Sains Dan Teknik Universitas Bangka Belitung. skripsi thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (176kB)
	Text BAB II.pdf Restricted to Registered users only Download (605kB)
	Text BAB III.pdf Restricted to Registered users only Download (318kB)
	Text BAB IV.pdf Restricted to Registered users only Download (671kB)
	Text BAB V.pdf Restricted to Registered users only Download (94kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (99kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (1MB)

Abstract

Sistem Presensi secara otomatis kebanyakan menggunakan biometrik seperti sidik jari, kartu, suara, mata terutama wajah. Namun, terdapat berbagai faktor yang menjadi permasalahan dari sistem menggunakan pengenalan wajah ini seperti faktor akurasi, waktu yang dibutuhkan untuk memproses, dan efesiensi dari sistem Sistem presensi menggunakan pengenalan wajah menggunakan metode convolutional neural network menjadi salah satu solusi dari faktor akurasi. dataset yang digunakan berupa gambar muka dari dosen dan tenaga kerja kependidikan Fakultas Sains dan Teknik Universitas Bangka Belitung dengan menggunakan arsitektur convolutional neural network (CNN) yaitu ResNet-50 sebagai klasifikasi wajah dan haar casecade classifier sebagai deteksi wajah. Model hasil training kemudian dikonversi menjadi model tflite untuk memudahkan raspberry pi memprediksi gambar. Program dapat mendeteksi struktur wajah dengan kecepatan yang bagus yaitu kurang dari 1 detik. Alat yang dibuat dengan menggunakan raspberry pi 5 model b ram 4GB dengan menggunakan webcam dengan resolusi 720p dapat melakukan presensi dan menampilkan waktu dengan keluaran berupa file excel, hasil yang didapat sesuai dengan wajah yang akan diabsen. Metode convolutional neural network (CNN) dengan kondisi penggunaan dataset berupa wajah dengan resolusi 200x200 piksel memperoleh hasil klasifikasi gambar dengan nilai f1-score, recall, presisi dan akurasi 100% dan klasifikasi video dengan nilai presisi rata-rata 97,8%, recall rata-rata 97,5% , f1-score rata-rata 97,4% dan akurasi 98%.

Item Type:	Thesis (skripsi)
Uncontrolled Keywords:	CNN, Haar Cascade Classifier, Pengenalan Wajah, Raspberry Pi, Sistem Presensi
Subjects:	T Teknologi > TK Teknik Elektro. Elektronika. Teknik Nuklir
Divisions:	SKRIPSI > Fakultas Teknik > Teknik Elektro
Depositing User:	Mr Jan Frist Pagendo Purba
Date Deposited:	13 Aug 2024 06:41
Last Modified:	13 Aug 2024 06:41
URI:	https://repository.ubb.ac.id/id/eprint/9576

Actions (login required)

View Item