Implementasi Face Recognition dengan Model CLAHE dan Metode FaceNet pada Fitur Presensi di Human Resource Information System

Citra Dewanti, Amanda (2026) Implementasi Face Recognition dengan Model CLAHE dan Metode FaceNet pada Fitur Presensi di Human Resource Information System. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (532kB)
	PDF BAB_I.pdf Download (212kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (112MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (235kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (228kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (840kB)
	Archive (ZIP) CREATION_FILE.zip Restricted to Registered users only Download (47MB)

Abstract

Pesatnya perkembangan teknologi telah membawa perubahan yang signifikan, khususnya di bidang perkantoran dan pengelolaan sumber daya manusia. Salah satu teknologi yang berkembang dengan cepat dan banyak diterapkan pada sistem keamanan adalah face recognition. Human Resource Information System (HRIS) berperan sebagai sistem terintegrasi dalam pengelolaan data kehadiran serta pemantauan kinerja karyawan. Penelitian ini mengembangkan sistem presensi berbasis aplikasi dengan mengimplementasikan metode face recognition. Hal tersebut bertujuan meningkatkan keakuratan dan meminimalisir potensi kecurangan dalam proses presensi. Metode Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan pada tahap praproses citra untuk meningkatkan kualitas citra dan mempertegas fitur-fitur utama wajah. Selanjutnya, model FaceNet diterapkan untuk mengekstraksi citra wajah menjadi vektor embedding yang merepresentasikan karakteristik unik setiap individu. Proses pengenalan atau verifikasi wajah dilakukan dengan menghitung jarak antar vektor embedding citra wajah pelatihan dan citra wajah uji menggunakan metode Cosine Distance. Tingkat keberhasilan proses pengenalan wajah secara keseluruhan dipengaruhi oleh beberapa faktor, seperti penggunaan aksesori wajah serta jarak wajah terhadap kamera. Berdasarkan hasil pengujian sistem, tingkat rata-rata akurasi yang diperoleh adalah sebesar 94.15%, sehingga dapat disimpulkan bahwa sistem mampu mengenali citra wajah pengguna dengan baik.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Citra Dewanti, Amanda (00000066344)
Contributors:	Kurniawan, Vincentius (0308079501)
Keywords:	Contrast Limited Adaptive Histogram Equalization (CLAHE), FaceNet, Face Recognition, Human Resource Information System (HRIS), Presensi
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	06 May 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/45424

Actions (login required)

View Item