Implementasi Deep Learning dalam Sistem Absensi Siswa dengan Face Recognition
Total View This Week0
Total View This Week0
Institusion
Universitas Putera Batam
Author
Alparisi, Ari
Subject
004.21 Sistem Analis dan Desain Komputer
Datestamp
2024-11-02 02:53:12
Abstract :
Di era teknologi informasi yang merajalela, pendidikan terkena dampak signifikan, salah satunya melalui pengenalan wajah untuk autentikasi kehadiran siswa. Teknologi ini lebih tahan terhadap pemalsuan dan manipulasi dibandingkan metode seperti kartu RFID, menawarkan akurasi tinggi dan dapat berfungsi di berbagai kondisi, membuatnya efektif dan efisien. Kehadiran siswa sangat penting untuk efektivitas proses pembelajaran, tetapi metode tradisional memiliki keterbatasan dalam hal akurasi, kecepatan, dan kenyamanan. Institusi kini beralih ke metode berbasis teknologi seperti aplikasi seluler atau perangkat RFID yang masih memerlukan interaksi fisik. Pengenalan wajah dengan pembelajaran mendalam menjanjikan untuk menyederhanakan proses kehadiran dengan meningkatkan akurasi dan efisiensi, mengatasi tantangan seperti variasi pose, ekspresi wajah, dan kondisi pencahayaan. Penelitian ini dimulai dengan pemilihan dataset wajah yang mencakup variasi pencahayaan, sudut pengambilan, dan ekspresi wajah. Proses preprocessing mencakup transformasi gambar ke format RGB, penyesuaian ukuran menjadi 64x64 piksel, dan normalisasi nilai piksel. Model CNN dirancang dengan beberapa lapisan Conv2D dengan 64 filter dan fungsi aktivasi ReLU, diikuti oleh MaxPooling2D dan dua lapisan Dense dengan fungsi aktivasi ReLU dan Softmax. Evaluasi model dilakukan dengan membagi dataset menjadi proporsi pelatihan dan pengujian, dengan akurasi tertinggi mencapai 95.62% pada proporsi 50:50 dengan 20 epoch. Hasil ini menunjukkan bahwa sistem absensi berbasis face recognition menggunakan CNN dapat menjadi solusi yang efektif dalam mengelola kehadiran siswa, meningkatkan efisiensi administrasi, serta memberikan pengalaman yang lebih modern dan terintegrasi bagi siswa dan pengajar.
Di era teknologi informasi yang merajalela, pendidikan terkena dampak signifikan, salah satunya melalui pengenalan wajah untuk autentikasi kehadiran siswa. Teknologi ini lebih tahan terhadap pemalsuan dan manipulasi dibandingkan metode seperti kartu RFID, menawarkan akurasi tinggi dan dapat berfungsi di berbagai kondisi, membuatnya efektif dan efisien. Kehadiran siswa sangat penting untuk efektivitas proses pembelajaran, tetapi metode tradisional memiliki keterbatasan dalam hal akurasi, kecepatan, dan kenyamanan. Institusi kini beralih ke metode berbasis teknologi seperti aplikasi seluler atau perangkat RFID yang masih memerlukan interaksi fisik. Pengenalan wajah dengan pembelajaran mendalam menjanjikan untuk menyederhanakan proses kehadiran dengan meningkatkan akurasi dan efisiensi, mengatasi tantangan seperti variasi pose, ekspresi wajah, dan kondisi pencahayaan. Penelitian ini dimulai dengan pemilihan dataset wajah yang mencakup variasi pencahayaan, sudut pengambilan, dan ekspresi wajah. Proses preprocessing mencakup transformasi gambar ke format RGB, penyesuaian ukuran menjadi 64x64 piksel, dan normalisasi nilai piksel. Model CNN dirancang dengan beberapa lapisan Conv2D dengan 64 filter dan fungsi aktivasi ReLU, diikuti oleh MaxPooling2D dan dua lapisan Dense dengan fungsi aktivasi ReLU dan Softmax. Evaluasi model dilakukan dengan membagi dataset menjadi proporsi pelatihan dan pengujian, dengan akurasi tertinggi mencapai 95.62% pada proporsi 50:50 dengan 20 epoch. Hasil ini menunjukkan bahwa sistem absensi berbasis face recognition menggunakan CNN dapat menjadi solusi yang efektif dalam mengelola kehadiran siswa, meningkatkan efisiensi administrasi, serta memberikan pengalaman yang lebih modern dan terintegrasi bagi siswa dan pengajar.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
