IMPLEMENTASI FACE RECOGNITION DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA APLIKASI ABSENSI PT. BASECTECH LABS INDONESIA
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
AZUAR, AZUAR
Nurfalinda, Nurfalinda
Nolan, Efranda
Nurfalinda, Nurfalinda
Nolan, Efranda
Subject
005.1.Pemrograman
Datestamp
2025-02-10 04:04:08
Abstract :
Penelitian ini bertujuan untuk mengimplementasikan sistem Face Recognition dengan metode Convolutional Neural Network (CNN) pada aplikasi absensi karyawan di PT. Basectech Labs Indonesia. Sistem ini dirancang untuk meningkatkan akurasi, efisiensi, dan keamanan pencatatan absensi, serta meminimalkan risiko kecurangan, seperti titip absen. Penelitian menggunakan metode CNN untuk pengenalan wajah, dengan memanfaatkan dataset terstruktur yang terdiri dari data wajah karyawan dan melakukan pengujian dalam kondisi terkendali. Evaluasi kinerja dilakukan menggunakan metrik akurasi, termasuk Confusion matrix dan Classification Report, untuk mengukur keandalan sistem. Hasil penelitian menunjukkan bahwa sistem mencapai akurasi keseluruhan sebesar 97,81%, yang mencerminkan kemampuan pengenalan wajah yang sangat baik. Sistem mampu mempertahankan performa yang konsisten di berbagai kondisi pencahayaan, seperti terang, alami, dan redup, dengan waktu rata-rata pengenalan antara 2 hingga 5 detik. Namun, terdapat beberapa kelas dengan nilai Recall dan F1-Score yang lebih rendah akibat ketidakseimbangan data. Sistem Face Recognition ini terbukti efektif mendukung aplikasi absensi karyawan. Sistem ini memberikan solusi yang tangguh dan efisien, dengan peluang perbaikan lebih lanjut dalam menangani ketidakseimbangan data untuk mengoptimalkan kinerja. Kata Kunci: Face Recognition, Convolutional Neural Network (CNN), Sistem Absensi, Akurasi, Efisiensi, F1-Score
Penelitian ini bertujuan untuk mengimplementasikan sistem Face Recognition dengan metode Convolutional Neural Network (CNN) pada aplikasi absensi karyawan di PT. Basectech Labs Indonesia. Sistem ini dirancang untuk meningkatkan akurasi, efisiensi, dan keamanan pencatatan absensi, serta meminimalkan risiko kecurangan, seperti titip absen. Penelitian menggunakan metode CNN untuk pengenalan wajah, dengan memanfaatkan dataset terstruktur yang terdiri dari data wajah karyawan dan melakukan pengujian dalam kondisi terkendali. Evaluasi kinerja dilakukan menggunakan metrik akurasi, termasuk Confusion matrix dan Classification Report, untuk mengukur keandalan sistem. Hasil penelitian menunjukkan bahwa sistem mencapai akurasi keseluruhan sebesar 97,81%, yang mencerminkan kemampuan pengenalan wajah yang sangat baik. Sistem mampu mempertahankan performa yang konsisten di berbagai kondisi pencahayaan, seperti terang, alami, dan redup, dengan waktu rata-rata pengenalan antara 2 hingga 5 detik. Namun, terdapat beberapa kelas dengan nilai Recall dan F1-Score yang lebih rendah akibat ketidakseimbangan data. Sistem Face Recognition ini terbukti efektif mendukung aplikasi absensi karyawan. Sistem ini memberikan solusi yang tangguh dan efisien, dengan peluang perbaikan lebih lanjut dalam menangani ketidakseimbangan data untuk mengoptimalkan kinerja. Kata Kunci: Face Recognition, Convolutional Neural Network (CNN), Sistem Absensi, Akurasi, Efisiensi, F1-Score
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
