Penerapan Face Recognition sebagai modul untuk presensi siswa pada Odoo dengan metode CNN

Hafiz Alfarrel, Indira (2023) Penerapan Face Recognition sebagai modul untuk presensi siswa pada Odoo dengan metode CNN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (3MB)
Preview	PDF DAFTAR_PUSTAKA.pdf Download (206kB) | Preview
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (251kB)
	PDF BAB_III.pdf Download (511kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (204kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (17MB)

Abstract

Perkembangan teknologi dalam beberapa dekade terakhir telah memberikan dampak besar di Indonesia pada berbagai sektor, termasuk di bidang pendidikan, pembelajaran daring merupakan salah satu ciri transformasi digital dalam dunia pendidikan saat ini. Presensi siswa merupakan hal yang penting dalam dunia pendidikan karena merupakan salah satu aspek penilaian bagi peserta didik dan berfungsi untuk menjaga kedisiplinan dan ketertiban peserta didik. Teknologi pengenalan wajah merupakan salah satu solusi yang dapat di implementasikan untuk meningkatkan efektivitas dalam sistem presensi siswa karena berhasil mengurangi kemungkinan kecurangan yang dilakukan. Untuk metode pengembangan yang digunakan menggunakan RAD karena merupakan pendekatan yang dapat menciptakan sistem dengan cepat dan iteratif. Implementasinya adalah dengan menggunakan library Face-API.js dengan menggunakan platform odoo pada modul bawaannya yaitu hr attendance lalu dilakukan pengujian dengan metode Confusion Matrix, sehingga diharapkan dapat meningkatkan efisien di dalam dunia pendidikan terutama dalam pencatatan kehadiran siswa. Pada saat setelah pengujian metode Confusion Matrix didapatkan 4 nilai yaitu Accuracy dengan nilai 77.22%, Precision 78.16%, Recall 75.55% dan juga F1-Score 76.37%. Dari hasil pengujian tersebut dapat disimpulkan bahwa berhasil dalam melakukan integrasi dengan modul hr attendance yang dilakukan penambahan pada saat absen perlu adanya pengenalan wajah, dengan nilai tingkat Accuracy sebesar 77.22%. Didapatkan juga nilai kecepatan yaitu 3.60 detik untuk waktu tercepat, 9.83 detik untuk waktu terlambat, dan dengan rata-rata waktu 5.59 detik.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Confusion Matrix, Efektifitas, Face-API.js, Kedisiplinan, Pendidikan
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.3 Programs 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.4 System Programming, Operating System, Computer Interface
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Jul 2023 09:53
Last Modified:	24 Aug 2023 05:54
URI:	https://kc.umn.ac.id/id/eprint/26087

Actions (login required)

View Item