Pengenalan Wajah Menggunakan Metode Pretrained Convolutional Neural Networks Secara Real-Time Pada Sistem Absensi Berbasis Webcam

Setiawan, Kholilul Rohman Kurniawan (2021) Pengenalan Wajah Menggunakan Metode Pretrained Convolutional Neural Networks Secara Real-Time Pada Sistem Absensi Berbasis Webcam. Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

	Text ABSTRAK.pdf Download (1MB)
	Text (BAB I) BAB 1.pdf Restricted to Repository staff only Download (83kB) | Request a copy
	Text (BAB II) BAB 2.pdf Restricted to Repository staff only Download (623kB) | Request a copy
	Text (BAB III) BAB 3.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV) BAB 4.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) BAB 5.pdf Restricted to Repository staff only Download (84kB) | Request a copy
	Text LAMPIRAN.pdf Download (102kB)
	Text JURNAL.pdf Download (1MB)
	Text JURNAL TURNITIN.pdf Download (5MB)

Abstract

Sistem pencatatan kehadiran merupakan proses yang sulit jika dilakukan secara manual, bahkan dalam membuat rekap data terkadang tidak sinkron atau terdapat human error. Sistem kehadiran cerdas dan otomatis yang berguna untuk mengelola data kehadiran dapat diimplementasikan menggunakan berbagai cara biometrik seperti pengenalan wajah salah satunya. Dengan menggunakan sistem ini, masalah yang terdapat pada pencatatan nantinya diharapkan dapat terselesaikan. Sistem absensi berbasis pengenalan wajah sebelumnya, ada beberapa kelemahan seperti masalah intensitas cahaya dan masalah pose kepala. Oleh karena itu untuk mengatasi masalah ini, ada berbagai metode pengenalan wajah yang digunakan. Di antara berbagai metode dalam sistem absensi yang terdapat pada sistem pengenalan wajah, sistem ini menggunakan metode pengenalan wajah menggunakan metode Deep Learning. Metode ini menggunakan Convolutional Neural Networks (CNN) yang memiliki ratusan layer untuk melakukan proses learning pada citra sehingga output menjadi lebih akurat. Dan proses learning tersebut digunakan untuk mengklasifikasikan citra wajah orang tersebut. Penelitian ini bertujuan untuk membangun sistem absensi secara real-time dangan triger telapak tangan sebagai capture citra untuk mengenali wajah, serta menerapkan metode Convolutional Neural Networks (CNN) pada proses pengenalan wajah, dan metode Viola Jones untuk deteksi telapak tangan. Langkah utama dalam sistem ini adalah mendeteksi telapak tangan sebagai capture citra pada wajah dan mengenalinya. Perbandingan wajah yang terdeteksi dapat dilakukan dengan mencocokkan dengan dataset wajah siswa yang telah disimpan kedalam database dan mencatat kehadiran kedalam sistem. Sistem absensi cerdas ini diharapkan dapat menjadi cara yang efektif untuk menjaga kehadiran dan catatan siswa dengan proses learning yang cepat dan akurasi sistem pengenalan wajah yang tinggi. Rancangan sistem absensi cerdas telah berhasil diselesaikan pada penelitian ini. Evaluasi kinerja pada telapak tangan memiliki nilai precission sebesar 87,19 % dan recall sebesar 97,4 %. Hasil training menggunakan pretrained CNN memiliki akurasi sebesar 93,33 %. Pada pengujian pertama tingkat akurasi dengan posisi wajah lurus menghadap kamera yang di implementasikan pada sistem absensi ini sebesar 96 %, dan untuk pengujian kedua dengan posisi wajah bermacam macam memiliki tingkat akurasi pengenalan wajah sebesar 93%.

Actions (login required)

View Item