Pramono, Ananda (2020) PEMBANGUNAN APLIKASI PRESENSI MAGANG BERBASIS MOBILE MENGGUNAKAN FACE RECOGNITION (STUDI KASUS: PT BANK XYZ). S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.

Text (Ananda Pramono)
1607086821.pdf

File Pdf (2MB)
Text
1607086823.pdf
Restricted to Registered users only

File Pdf (213kB)
Text
1607086824.pdf
Restricted to Registered users only

File Pdf (945kB)
Text
1607086825.pdf
Restricted to Registered users only

File Pdf (1MB)

Abstract

Presensi merupakan sebuah kegiatan yang ada di setiap perusahaan, maupun
perkuliahan. Presensi menjadi tolak ukur apakah seorang mahasiswa berhak untuk
mengikuti ujian akhir, maupun apakah seorang pekerja berhak untuk mendapatkan
gaji yang utuh. Namun pada praktiknya, banyak permasalahan dari sistem presensi
yang banyak digunakan oleh sekolah ataupun perusahaan, mulai dari rawannya
kecurangan yang dapat terjadi, hingga kendala teknis yang mungkin terjadi.
Diperlukan sebuah sistem yang lebih praktis dan meminimalkan kemungkinan
kendala teknis yang dapat terjadi
Guna memberikan sistem presensi yang praktis, maka dirancang sebuah
sistem presensi berbasis mobile yang menggunakan pustaka Android Face
recognition With Deep Learning yang memudahkan dalam penerapan metode SVM
untuk melakukan pengenalan wajah. Pengenalan wajah dipilih sebagai metode
keamanan untuk presensi karena dinilai memiliki tingkat keamanan yang cukup
baik dibandingkan metode yang lain seperti sandi dan PIN. Sistem ini dirancang
dengan menggunakan Java sebagai Bahasa pemrograman dan menggunakan clean
architecture dalam arsitektur sistemnya.
Dalam melakukan pengujian keakuratan terhadap pengguna dengan
menggunakan pustaka Android Face recognition With Deep Learning, pengujian
dilakukan terhadap 20 orang yang setiap orangnya diambil masing-masing 20 foto.
Dari hasil pengujian, ditemukan hanya 1 orang yang salah dikenali, dan 19 orang
yang berhasil dikenali. Dengan menggunakan rumus penghitungan keakuratan
didapatkan rasio sebesar 95%. Sehingga persentase keakuratan sistem pengenalan
wajah adalah sebesar 95%.

Item Type: Thesis (S1)
Uncontrolled Keywords: presensi, face recognition, Android Face recognition With Deep Learning
Subjects: Teknik Informatika > Enterprise Inf System
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Date Deposited: 30 Nov 2020 08:17
Last Modified: 30 Nov 2020 08:17
URI: https://repository.uajy.ac.id/id/eprint/22696

Actions (login required)

View Item
View Item