SISTEM FACE RECOGNITION UNTUK ABSENSI KARYAWAN MENGGUNAKAN ALGORITMA DEEP LEARNING CNN

Maranatha, Eric Abednego (2024) SISTEM FACE RECOGNITION UNTUK ABSENSI KARYAWAN MENGGUNAKAN ALGORITMA DEEP LEARNING CNN. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (247kB)
	Text BAB II.pdf Download (426kB)
	Text BAB III.pdf Download (414kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (208kB)
	Text LAMPIRAN.pdf Download (323kB)

Abstract

Dengan perkembangan teknologi yang ada pada saat ini, banyak karakteristik data biologis
manusia yang dapat digunakan dalam berbagai macam keperluan. hal ini dikarenakan ciri biologis
setiap manusia berbeda yang mana dapat memberikan sebuah informasi yang berkaitan dengan
masing-masing individu,seperti yang ada pada tubuh manusia yang berbentuk seperti sidik jari,
retina, pola suara dan pola wajah, System pengenalan wajah merupakan salah satu system yang
paling banyak dikembangakan dan berkembang pesat. Ini adalah system kecerdasan bautan yang
mampu mengenali atau mengidentifikasi, mengenali dan membandingkan gambar wajah yang
sebelumnya tidak diketahui dengan database wajah yang tersimpan di database, Face recognition
adalah sebuah teknik pengenalan wajah yang sama seperti sidik jari dan retina mata, dimana hasil
tangkapan oleh kamera dan dicocokkan dengan foto atau tekstur lekuk wajah yang sudah ada di
dalam database. Deteksi wajah merupakan langkah awalan untuk melakukan identifikasi wajah
atau face recognition bertujuan untuk memperoleh akurasi yang lebih baik dan tinggi untuk
lokalisasi dan normlisasi citra serta deteksi wajah menyediakan batas lokasi dan skala setiap citra
wajah yang dapat terdeteksi, Data untuk penelitian ini berasal dari wajah karyawan dan penulis
mengumpukan melalui data manual para pegawai terkait. Pada program yang di buat oleh peneliti
serta pelatihan model data menggunakan Algoritma CNN berhasil di lakukan. Untuk pengujian
pada program tersebut menggunakan Testing Manual, pendekatan pengujian ini terbilang praktis
dan efisien untuk project yang peneliti bangun. Pelatihan model pada epoch ke – 50 menunjukan
hasil yang baik yaitu dengan akurasi 98,50% dengan akurasi 99,00%.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > HJ Public Finance H Social Sciences > HV Social pathology. Social and public welfare Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	11 Sep 2024 04:03
Last Modified:	11 Sep 2024 04:03
URI:	https://repository.unas.ac.id/id/eprint/11770

Actions (login required)

View Item