Implementasi OCR dan Pengenalan Wajah pada Aplikasi Voting Online Berbasis Mobile App di Indonesia

Fortuna, Inggrid (2022) Implementasi OCR dan Pengenalan Wajah pada Aplikasi Voting Online Berbasis Mobile App di Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

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

Download (215kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

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

Download (838kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (464kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (9MB)
[img]
Preview
PDF
BAB_V.pdf

Download (202kB) | Preview
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (1MB)

Abstract

Pemilihan umum (pemilu) merupakan salah satu wujud praktik demokrasi di Indonesia. Setiap 5 tahun sekali akan diadakan pemilu untuk memilih presiden. Masyarakat yang sudah dapat mengikuti pemilihan akan datang ke Tempat pemungutan suara (TPS) untuk menyalurkan hak suaranya. Namun cara konvensional ini terbukti tidak efektif karena beberapa masyarakat yang berhalangan hadir karena sedang perjalanan ke luar kota, tidak ingin mengantri, dan mengalami sakit ataupun cacat fisik. Maka dari itu penelitian ini bertujuan untuk merancang sistem pemilihan secara online berbasis Android sebagai alternatif pemilihan konvensional dan terwujudnya transformasi digital pada proses voting di Indonesia. Sistem akan menggunakan teknologi Optical Character Recognition yang difasilitasi oleh firebase ml-kit untuk membaca Nomor Induk Kependudukan pada Kartu Tanda Penduduk dan teknologi face recognition untuk membandingkan wajah pemilih saat registrasi dan saat pemilihan online. Sistem Face Recognition diimplementasikan menggunakan Multi-task Convolutional Neural Network untuk mendeteksi wajah serta menggunakan Tensorflowlite untuk menerjemahkan model wajah yan disediakan oleh FaceNet model. Hasil Penelitan menunjukkan kesuksesan sistem OCR sebesar 96.67% dan tingkat akurasi face recognition sebesar 100%. Kesimpulan dari penelitian ini yaitu pengimplementasian OCR ml-kit dan pendeteksian wajah menggunakan MTCNN serta Face Recognition menggunakan tensorflowlite dan FaceNet model dibuktikan sebesar 100% sukses.

Item Type: Thesis (Bachelor Thesis)
Keywords: Android, face recognition, faceNet, mobile app, optical character recognition, tensorflowlite
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 20 Jul 2022 04:14
Last Modified: 23 Aug 2023 05:01
URI: https://kc.umn.ac.id/id/eprint/22239

Actions (login required)

View Item View Item