Paulus, Paulus (2024) Implementasi Pengenalan Wajah Menggunakan Metode Convolutional Neural Network Berbasis Raspberry PI. Diploma thesis, Teknik Komputer.
UNIKOM_Paulus_Cover.pdf - Published Version
Download (69kB)
UNIKOM_Paulus_Lembar Pengesahan_FIX.pdf - Published Version
Download (561kB)
UNIKOM_Paulus_Surat Keterangan Persetujuan Publikasi.pdf - Published Version
Download (425kB)
UNIKOM_Paulus_Lembar Pernyataan.pdf - Published Version
Download (405kB)
UNIKOM_Paulus_Kata Pengantar.pdf - Published Version
Download (62kB)
UNIKOM_Paulus_Daftar Isi.pdf - Published Version
Download (77kB)
UNIKOM_Paulus_BAB I.pdf - Published Version
Download (66kB)
UNIKOM_Paulus_BAB II.pdf - Published Version
Download (339kB)
UNIKOM_Paulus_BAB III.pdf - Published Version
Restricted to Repository staff only
Download (229kB) | Request a copy
UNIKOM_Paulus_BAB IV.pdf - Published Version
Restricted to Repository staff only
Download (15MB) | Request a copy
UNIKOM_Paulus_BAB V.pdf - Published Version
Download (60kB)
UNIKOM_Paulus_Daftar Pustaka.pdf - Published Version
Download (62kB)
Kontak penulis dan kontributor.pdf - Published Version
Download (133kB)
Abstract
Pengenalan wajah merupakan teknologi yang terus dikembangkan karena dapat diterapkan untuk mengidentifikasi keberadaan seseorang, mengakses data pribadi, dan sebagainya. Namun teknologi ini masih memiliki kekurangan seperti variasi intensitas cahaya, pose dan ekspresi, serta oklusi yang terdapat pada citra. Untuk dapat mengatasi permasalahan tersebut, diperlukan sebuah metode dengan fleksibilitas yang baik seperti metode Deep Learning. Seiring dengan pesatnya perkembangan teknologi dan internet khususnya di bidang Ubiquitous Computing, maka diperlukan komputer dengan pemrosesan rendah yang andal seperti komputer papan tunggal Raspberry Pi, Beagleboard, Nano Pi, dan sejenisnya. Penelitian ini menggunakan metode Convolutional Neural Network yang merupakan turunan dari Deep Learning yang diterapkan pada Raspberry Pi 3 Model B+ untuk sistem pengenalan wajah menggunakan dataset mandiri. Berdasarkan hasil pengujian yang dilakukan menggunakan metode Convolutional Neural Network pada perangkat Raspberry Pi 3 Model B+ mendapatkan tingkat akurasi sebesar 82% dengan total 0,87 frame per detik dan rata-rata waktu penundaan sebesar 1,22 detik.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network, Raspberry Pi, Ubiquitous Computing. |
| Subjects: | 000 COMPUTER SCIENCE, INFORMATION & GENERAL WORKS > 004 Data Processing & Computer Science |
| Divisions: | ?? S1_Skripsi_Teknik_Komputer ?? |
| Depositing User: | Mrs. Calis Maryani |
| Date Deposited: | 15 Sep 2025 02:27 |
| Last Modified: | 15 Sep 2025 02:27 |
| URI: | http://elibrary.unikom.ac.id/id/eprint/10945 |
