PENERAPANREAL-TIMEFACERECOGNITION DENGANCONVOLUTIONALNEURALNETWORK UNTUKSISTEMPRESENSIOTOMATIS

Farida, Julia Mutiara (2024) PENERAPANREAL-TIMEFACERECOGNITION DENGANCONVOLUTIONALNEURALNETWORK UNTUKSISTEMPRESENSIOTOMATIS. Other thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (146kB)
	Text ABSTRAK.pdf Download (125kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (114kB)
	Text PENGESAHAN PENGUJI.pdf Download (122kB)
	Text DAFTAR ISI.pdf Download (165kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (131kB)

Abstract

Perkembangan teknologi pengenalan wajah telah membuka peluang untuk meningkatkan
efisiensi dalam berbagai aspek kehidupan, termasuk dalam sistem presensi. Namun,
implementasi sistem presensi berbasis pengenalan wajah secara real-time menghadapi
tantangan dalam hal akurasi, kecepatan pemrosesan, dan keandalan. Penelitian ini bertujuan
untuk menjawab permasalahan tersebut dengan menerapkan metode real-time face
recognition menggunakan Convolutional Neural Network (CNN) sebagai solusi untuk
membangun sistem presensi otomatis yang efisien dan akurat. Penelitian ini diharapkan dapat
memberikan kontribusi dalam pengembangan teknologi presensi berbasis pengenalan wajah
dengan performa tinggi dan penerapan praktis yang relevan dalam lingkungan akademik
maupun industri.
Penelitian ini menggunakan pendekatan kuantitatif eksperimental untuk menganalisis
performa metode CNN dalam sistem presensi otomatis. Pengembangan sistem dilakukan
dengan metode prototyping yang melibatkan beberapa iterasi desain, implementasi, dan
pengujian hingga menghasilkan prototipe yang optimal. Dataset yang digunakan mencakup
berbagai variasi wajah, seperti sudut pandang, pencahayaan, dan ekspresi, guna memastikan
model mampu bekerja dengan baik dalam kondisi dunia nyata. Dataset diambil secara
langsung menggunakan kamera sebanyak 200 gambar untuk setiap pengguna. Arsitektur
CNN yang digunakan dirancang untuk memaksimalkan akurasi dengan tetap
mempertahankan efisiensi komputasi, sementara pengujian dilakukan untuk mengevaluasi
performa model berdasarkan parameter akurasi, waktu inferensi, dan stabilitas sistem dalam
pengenalan wajah secara real-time.
Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berhasil mencapai
akurasi pelatihan data sebesar 99% dengan arsitektur CNN yang diterapkan. Sistem ini
mampu mengenali wajah secara real-time dengan respons yang cepat dan andal, sehingga
menjawab permasalahan implementasi pengenalan wajah dalam sistem presensi otomatis.
Kontribusi penelitian ini terletak pada pengembangan model pengenalan wajah berbasis CNN
yang efektif dan efisien, serta implementasinya dalam sistem presensi otomatis yang dapat
diterapkan di berbagai skenario. Temuan ini memperkuat relevansi penggunaan CNN dalam
pengenalan wajah dan memberikan dasar bagi pengembangan sistem serupa di masa depan.
Kata kunci: pengenalan wajah, CNN, sistem presensi otomatis, pengolahan citra wajah

Item Type:	Thesis (Other)
Uncontrolled Keywords:	pengenalan wajah, CNN, sistem presensi otomatis, pengolahan citra wajah
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Eko Suprapti
Date Deposited:	21 Apr 2025 03:47
Last Modified:	21 Apr 2025 03:47
URI:	http://eprints.upnyk.ac.id/id/eprint/42382

Actions (login required)

View Item