Farizi, Azi Azmi (2023) Implementasi Sistem Presensi Menggunakan Pengenalan Wajah Berbasis Internet Of Things Dengan Metode Convolutional Neural Network Di Smk Cibening. Other thesis, Universitas Komputer Indonesia.
UNIKOM_Azi Azmi Farizi_Cover.pdf - Published Version
Download (227kB)
UNIKOM_Azi Azmi Farizi_Lembar Pengesahan.pdf - Published Version
Download (291kB)
UNIKOM_Azi Azmi Farizi_Surat Keterangan Persetujuan Publikasi.pdf - Published Version
Download (478kB)
UNIKOM_Azi Azmi Farizi_Surat Pernyataan Tidak Plagiat.pdf - Published Version
Download (211kB)
UNIKOM_Azi Azmi Farizi_Kata Pengantar.pdf - Published Version
Download (106kB)
UNIKOM_Azi Azmi Farizi_Daftar Isi.pdf - Published Version
Download (83kB)
UNIKOM_Azi Azmi Farizi_Bab I.pdf - Published Version
Download (133kB)
UNIKOM_Azi Azmi Farizi_Bab II.pdf - Published Version
Download (1MB)
UNIKOM_Azi Azmi Farizi_Bab III.pdf - Published Version
Restricted to Repository staff only
Download (10MB) | Request a copy
UNIKOM_Azi Azmi Farizi_Bab IV.pdf - Published Version
Restricted to Repository staff only
Download (5MB) | Request a copy
UNIKOM_Azi Azmi Farizi_Bab V.pdf - Published Version
Download (102kB)
UNIKOM_Azi Azmi Farizi_Daftar Pustaka.pdf - Published Version
Download (94kB)
UNIKOM_Azi Azmi Farizi_Kontak Kontributor.pdf - Published Version
Download (118kB)
Abstract
Sistem presensi otomatis dengan teknologi pengenalan wajah atau Face Recognition di lingkungan SMK Cibening memiliki tujuan untuk meningkatkan efisiensi dan akurasi presensi siswa dan guru. Penelitian ini menyoroti kekurangan sistem manual dan mengusulkan solusi berbasis INTERNET OF THINGS dengan Convolutional Neural Network (CNN) dan notifikasi lewat Telegram. Implementasi ini bertujuan untuk menghadirkan inovasi teknologi di sekolah, memperbaiki efisiensi dan akurasi, serta memastikan pemantauan kehadiran siswa secara real-time. Metode CNN dipilih untuk mengenali ciri-ciri wajah kompleks, dan hasil yang baik didapatkan dengan lapisan-lapisan dalam deep learning. Sistem ini mencakup dashboard untuk manajemen presensi serta notifikasi lewat Telegram untuk komunikasi real-time. Ketersediaan database dan notifikasi hanya terbatas pada pihak berwenang. Pengujian dilakukan dengan baik di lingkungan sekolah, menunjukkan akurasi pengenalan wajah sebesar 96,48% dengan waktu pendeteksian yang singkat. Website management juga berhasil mengatur akses dan rekapitulasi data secara efektif. Keseluruhan penelitian ini menghasilkan sistem presensi yang dapat memenuhi kebutuhan efisiensi, akurasi, dan pemantauan dalam lingkungan sekolah.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network, deep learning, Face Recognition, INTERNET OF THINGS |
| Subjects: | 600 TECHNOLOGY > Engineering & Allied Operations T Technology > TC Hydraulic engineering. Ocean engineering |
| Divisions: | S1 Skripsi > Teknik Elektro |
| Depositing User: | Mia Mia Hayati Kosasih |
| Date Deposited: | 26 Nov 2024 06:44 |
| Last Modified: | 26 Nov 2024 06:44 |
| URI: | http://elibrary.unikom.ac.id/id/eprint/9514 |
