PENGEMBANGAN APLIKASI PRESENSI PENGENALAN WAJAH MENGGUNAKAN HAAR CASCADE CLASSIFIER DAN MODEL FACENET (STUDI KASUS: PT STECHOQ ROBOTIKA)

FAISAL, IMAM AGUS (2024) PENGEMBANGAN APLIKASI PRESENSI PENGENALAN WAJAH MENGGUNAKAN HAAR CASCADE CLASSIFIER DAN MODEL FACENET (STUDI KASUS: PT STECHOQ ROBOTIKA). Other thesis, UPN Veteran Yogyakarta.

[thumbnail of COVER.pdf] Text
COVER.pdf
Download (69kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf
Download (145kB)
[thumbnail of LEMBAR PENGESAHAN PENGUJI.pdf] Text
LEMBAR PENGESAHAN PENGUJI.pdf
Download (348kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf
Download (217kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Download (165kB)
[thumbnail of SKRIPSI_124200077_IMAM AGUS FAISAL.pdf] Text
SKRIPSI_124200077_IMAM AGUS FAISAL.pdf
Restricted to Repository staff only
Download (4MB)

Abstract

PT. Stechoq Robotika merupakan perusahaan Research and Development dan mempunyai sebuah platform belajar bernama Stechoq Academy yang bekerja sama dengan Kampus Merdeka untuk mengembangkan dunia Pendidikan di Indonesia. Untuk mempermudah pencatatan kehadiran pegawai dan mahasiswa magang, PT. Stechoq Robotika mempunyai sistem presensi berbasis Global Positioning System (GPS) melalui portal website Stechoq. Pegawai dan mahasiswa magang hanya bisa melakukan presensi pada radius koordinat yang sudah ditetapkan dalam sistem. Presensi pada PT. Stechoq Robotika digunakan sebagai salah satu parameter penting untuk memberikan penilaian dalam sertifikat magang dan penghargaan pegawai dan mahasiswa magang setiap 6 bulan sekali. Namun, pada sistem presensi yang digunakan saat ini masih terdapat kekurangan dan celah untuk melakukan kecurangan.

Penelitian ini bertujuan untuk mengembangkan sistem presensi pada PT. Stechoq Robotika dengan menerapkan otomatisasi sistem presensi pada CCTV atau kamera khusus untuk presensi menggunakan Real-Time Streaming Protocol (RTSP) menggunakan algoritma Haar Cascade Classifier dan model machine learning FaceNet. Metodologi yang digunakan untuk mengembangkan penelitian ini adalah metode Cross-Industry Standard Process for Data Mining (CRISP-DM) yang terdiri dari 6 tahap, yaitu business understanding, data understanding, data preparation, modelling, evaluation, dan deployment.

Hasil dari penelitian menunjukkan bahwa sistem berbasis computer vision dapat dikembangkan menggunakan framework CRISP-DM dengan algoritma Haar Cascade Classifier khususnya haarcascade_frontalface_default dan pre-trained model FaceNet dengan arsitektur Inception Resnet V1 yang dilatih menggunakan VGGFace2 untuk mendeteksi dan merekognisi wajah dengan akurasi sebesar 89.92%. Selain itu, penerapan model dengan menggunakan framework web development Django dapat digunakan untuk untuk menyajikan data dari video input secara real-time.

Kata Kunci: Pengenalan Wajah, Presensi, Haar Cascade Classifier, FaceNet, CRISP-DM, RTSP, Django

Item Type: Thesis (Other)
Uncontrolled Keywords: Pengenalan Wajah, Presensi, Haar Cascade Classifier, FaceNet, CRISP-DM, RTSP, Django
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Bayu Setya Pambudi
Date Deposited: 02 Dec 2024 01:25
Last Modified: 02 Dec 2024 01:25
URI: http://eprints.upnyk.ac.id/id/eprint/41786

Actions (login required)

View Item View Item