PENGENALAN TANDA TANGAN DIGITAL DENGAN ALGORITMA LEARNING VECTOR QUANTIZATION (STUDI KASUS PRESENSI MAHASISWA)

PRABOWO, BAYOE ADJI (2020) PENGENALAN TANDA TANGAN DIGITAL DENGAN ALGORITMA LEARNING VECTOR QUANTIZATION (STUDI KASUS PRESENSI MAHASISWA). Diploma thesis, UPN "Veteran" Yogyakarta.

	Text skripsi pdf.pdf Restricted to Repository staff only Download (8MB)
Preview	Text 2 ABSTRAK_BAYOE ADJI PRABOWO_123130058.pdf Download (61kB) | Preview
Preview	Text 3 COVER_BAYOE ADJI PRABOWO_123130058.pdf Download (116kB) | Preview
Preview	Text 4 PENGESAHAN PEMBIMBING_BAYOE ADJI_123130058.pdf Download (452kB) | Preview
Preview	Text 6 DAFTAR ISI_BAYOE ADJI PRABOWO_123130058.pdf Download (101kB) | Preview
Preview	Text 7 DAFTAR PUSTAKA_BAYOE ADJI PRABOWO_123130058.pdf Download (93kB) | Preview

Abstract

Sistem Presensi telah menjadi bagian yang sangat penting dalam menentukan tingkat kehadiran mahasiswa, khusunya di dalam Jurusan Informatika UPN “Veteran” Yogyakarta. Namun, dalam pelaksanaannya, sistem presensi mahasiswa yang terdapat di Jurusan Informatika UPN “Veteran” Yogyakarta masih menggunakan lembaran kertas yang boros dalam penggunaan kertas. Oleh karena itu, perlu dikembangkan sebuah sistem presensi berbasis digital yang diharapkan dapat menggantikan sistem presensi model kertas yang telah lama digunakan di dalam Jurusan Informatika UPN “Veteran Yogyakarta”. Penulisan ini akan membahas mengenai pembuatan sebuah sistem presensi mahasiswa yang menggunakan tanda tangan digital mahasiswa yang dibubuhkan ke perangkat apapun yang mendukung input penulisan dengan kanvas digital. Selanjutnya, perhitungan jarak Euclidean dan algoritma Learning Vector Quantization (LVQ) akan diimplementasikan dalam proses verifikasi atau pengenalan tanda tangan mahasiswa. Sistem presensi tanda tangan digital mahasiswa ini diharapkan dapat menggantikan sistem presensi model kertas yang telah digunakan Jurusan Teknik Informatika UPN “Veteran” Yogyakarta serta menghemat biaya yang selama ini digunakan dalam mencetak kertas presensi, sehingga biaya yang ada dapat digunakan demi keperluan lain yang lebih membangun Jurusan Teknik Informatika UPN “Veteran” Yogyakarta. Sistem yang dikembangkan memiliki rata-rata tingkat akurasi tinggi sebesar 90% dan lama proses 18,1 detik dalam mengenali tanda tangan dengan sumber citra yang didapat secara langsung melalui input dengan menggunakan kanvas digital. Kata Kunci: Sistem Presensi, Tanda tangan digital, Jarak Euclidean, Learning Vector Quantization

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Sistem Presensi, Tanda tangan digital, Jarak Euclidean, Learning Vector Quantization
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	10 Sep 2021 05:56
Last Modified:	10 Sep 2021 05:56
URI:	http://eprints.upnyk.ac.id/id/eprint/26645

Actions (login required)

View Item