PEMBANGUNAN APLIKASI PRESENSI MAGANG BERBASIS MOBILE MENGGUNAKAN FACE RECOGNITION (STUDI KASUS: PT BANK XYZ)

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

[img]
Preview
Text (Ananda Pramono)
1607086821.pdf

Download (2MB) | Preview
[img] Text
1607086823.pdf
Restricted to Registered users only

Download (213kB)
[img] Text
1607086824.pdf
Restricted to Registered users only

Download (945kB)
[img] Text
1607086825.pdf
Restricted to Registered users only

Download (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
Depositing User: Editor UAJY
Date Deposited: 30 Nov 2020 08:17
Last Modified: 30 Nov 2020 08:17
URI: http://e-journal.uajy.ac.id/id/eprint/22696

Actions (login required)

View Item View Item