UMN Knowledge Center

Sistem Pengenalan Wajah untuk Presensi dengan Algoritma Convolutional Neural Network

Alexander, Mario (2020) Sistem Pengenalan Wajah untuk Presensi dengan Algoritma Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (532kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (354kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (259kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (825kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (890kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img]
Preview
PDF
BAB_V.pdf

Download (113kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (2MB) | Preview

Abstract

Dokumentasi mengenai manajemen manusia yang berkualitas merupakan salah satu indikator baiknya suatu organisasi beroperasi. Untuk meraih tujuan tersebut suatu organisasi harus menjaga integritas data. Salah satu data yang dimaksud adalah data kehadiran entitas organisasi. Hingga saat ini telah banyak metode pengambilan data kehadiran presensi mulai dari yang tradisional seperti tanda tangan dan yang modern seperti tapping RFID, fingerprint dan face recognition. Dari beberapa metode presensi yang muncul, terdapat beberapa kekurangan seperti, sistem memiliki celah untuk dimanipulasi, biaya tambahan seperti menyediakan media presensi serta perawatan media, dan lain-lain. Sistem pengenalan wajah untuk presensi dibangun dengan latar belakang yang telah diuraikan dan dapat menjadi pemecahan masalah yang patut diuji. Untuk dapat memecahkan masalah, sistem pengenalan wajah untuk presensi dibangun dengan platform Android. Kemudian, membangun sistem pengenalan wajah, dibutuhkan pengolahan citra seperti image filtering dan algoritma pengklasifikasi machine learning untuk menyelesaikan permasalahan. Convolutional Neural Network (CNN) merupakan salah satu Deep Learning yang cocok untuk data citra digital dan dapat diterapkan dalam aplikasi sistem pengenalan wajah untuk presensi. Hasilnya sistem mampu mengenali 89% citra wajah individu dari data test hasil training model.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: CNN, deep learning, face recognition, image filtering, sistem presensi
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 05 Dec 2020 02:09
Last Modified: 05 Dec 2020 02:09
URI: http://kc.umn.ac.id/id/eprint/13923

Actions (login required)

View Item View Item