Implementasi sistem presensi otomatis berbasis RFID dan algoritma YOLO untuk monitoring kehadiran mahasiswa di kelas

Nurhalim, Muhammad Ikhsan (2025) Implementasi sistem presensi otomatis berbasis RFID dan algoritma YOLO untuk monitoring kehadiran mahasiswa di kelas. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (454kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (687kB) | Preview
Preview	Text (SURAT PERNYATAAN KARYA SENDIRI) 3_skbebasplagiarism.pdf Download (125kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (686kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (910kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (985kB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (661kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (634kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengimplementasikan sistem presensi otomatis berbasis teknologi Radio Frequency Identification (RFID) dan algoritma YOLOv5s (You Only Look Once versi 5 small) untuk memantau kehadiran mahasiswa secara otomatis dan akurat. Sistem dirancang untuk mengatasi kelemahan presensi manual yang lambat, rawan kesalahan, dan manipulasi. RFID digunakan untuk identifikasi otomatis mahasiswa, sedangkan YOLOv5s digunakan sebagai validasi visual melalui deteksi objek secara real-time. Metodologi pengembangan menggunakan pendekatan CRISP-DM, mencakup tahapan business understanding, data preparation, modelling, evaluation, dan deployment. Hasil implementasi menunjukkan bahwa sistem dapat mencatat kehadiran secara otomatis dengan tingkat akurasi yang baik. Evaluasi melalui Blackbox Testing menunjukkan seluruh fungsi berjalan sesuai harapan. Model YOLOv5s mencatat precision sebesar 0.754 dan recall 0.382, sementara model YOLO-CROWD mencapai mAP@0.5 sebesar 43,6%, lebih tinggi dari YOLOv5s yang memperoleh 39,4%. Sistem ini terbukti dapat meningkatkan efisiensi dan akurasi pencatatan kehadiran, serta mengurangi potensi manipulasi data. Dengan potensi integrasi ke dalam Learning Management System (LMS), sistem ini menjadi solusi inovatif untuk manajemen kehadiran mahasiswa di institusi pendidikan.

Actions (login required)

View Item