SISTEM PRESENSI MAHASISWA MENGGUNAKAN PENGENALAN WAJAH DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DEEP LEARNING PADA JURUSAN MANAJEMEN INFORMATIKA

Firdaus, Risky (2025) SISTEM PRESENSI MAHASISWA MENGGUNAKAN PENGENALAN WAJAH DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DEEP LEARNING PADA JURUSAN MANAJEMEN INFORMATIKA. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (Cover) Cover.pdf - Published Version Download (907kB) | Preview
Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (163kB) | Preview
	Text (Bab I) BAB I.pdf - Published Version Restricted to Repository staff only Download (325kB)
	Text (Bab II) BAB II.pdf - Published Version Restricted to Repository staff only Download (904kB)
	Text (Bab III) BAB III.pdf - Published Version Restricted to Repository staff only Download (832kB)
	Text (Bab IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB)
	Text (BAB V) BAB V.pdf - Published Version Restricted to Repository staff only Download (267kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (217kB)
	Text (Lampiran) Lampiran.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Penerapan teknologi dalam sistem presensi menjadi kebutuhan mendesak untuk meningkatkan akurasi, efisiensi, dan integritas proses administrasi akademik. Penelitian ini mengembangkan sistem presensi mahasiswa berbasis pengenalan wajah menggunakan metode Convolutional Neural Network (CNN) dalam kerangka Deep Learning. Studi kasus dilakukan di Jurusan Manajemen Informatika, Politeknik Negeri Sriwijaya. Sistem ini dirancang untuk secara otomatis mengenali wajah mahasiswa dari citra yang dikumpulkan dan dilatih melalui model CNN, kemudian dikonversi ke format Keras untuk implementasi praktis. Dataset wajah mahasiswa digunakan untuk membangun model klasifikasi yang mampu mengidentifikasi setiap individu secara akurat. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi hampir sempurna, dengan skor precision, recall, dan f1-score sebesar 1.00 pada setiap kelas, baik pada data pelatihan maupun validasi. Hal ini menunjukkan bahwa sistem mampu mengurangi potensi kecurangan, mengurangi beban administratif, serta meningkatkan efektivitas pencatatan kehadiran secara signifikan. Selain kontribusi praktis, penelitian ini juga memberikan kontribusi teoritis dalam pengembangan aplikasi CNN untuk tugas pengenalan wajah dalam konteks akademik. Hasil dari sistem ini dapat menjadi solusi presensi yang adaptif dan dapat diterapkan di berbagai institusi pendidikan.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Kata kunci: Presensi Mahasiswa, Pengenalan Wajah, Deep Learning, Convolutional Neural Network, Klasifikasi Citra
Subjects:	T Technology > T Technology (General)
Divisions:	Informatics Management > Undergraduate Theses
Depositing User:	Pustaka Manajemen Informatika
Date Deposited:	26 Aug 2025 08:22
Last Modified:	26 Aug 2025 08:22
URI:	http://eprints.polsri.ac.id/id/eprint/18508

Actions (login required)

View Item